

已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、場景深度獲取已經(jīng)成為計算機視覺領(lǐng)域面臨的一個最基本的挑戰(zhàn)。它的應(yīng)用涵蓋了機器人導(dǎo)航、模型重建以及人機互動等方面。激光掃描采用逐點掃描,獲取深度太耗費時間,不適用于動態(tài)場景;而立體匹配在無紋理及遮擋區(qū)域難以實現(xiàn)精確匹配。TOF(Time-of-Flight)相機是一種主動獲取距離信息的成像設(shè)備,能夠?qū)崿F(xiàn)一個波長范圍內(nèi)的場景深度的實時獲取,彌補了激光掃描和立體匹配的不足。但是TOF深度相機也存在著很多缺陷:低分辨率、高噪聲、相機參數(shù)標(biāo)定不準
2、確等,這些缺陷也限制了TOF相機的應(yīng)用。
本工作針對TOF相機獲取的深度圖進行超分辨率恢復(fù)方法的研究,主要的研究成果如下:
1.提出了一種基于非局部均值濾波的圖像超分辨率方法。借鑒立體匹配中匹配代價和代價凝聚的方法,根據(jù)輸入的深度圖建立代價函數(shù);在代價凝聚階段,我們使用非局部均值濾波,在與深度圖對齊的高分辨率彩色紋理圖的指導(dǎo)下,對開銷代價的每一層都進行基于鄰域加權(quán)平均的重新預(yù)測。
2.提出了一種基于最小生成
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向微操作的顯微視覺深度恢復(fù)方法研究.pdf
- 基于運動信息和矩陣重建的視頻背景恢復(fù)方法.pdf
- 身體恢復(fù)方法
- 恢復(fù)方法是
- 基于彩色和黑白紋理分析的車牌定位方法.pdf
- 手寫漢字圖像動態(tài)信息恢復(fù)方法研究.pdf
- 基于稀疏表示的彩色圖像修復(fù)方法.pdf
- 基于學(xué)習(xí)的壓縮圖像恢復(fù)方法.pdf
- 基于深度信息和彩色圖像的手勢識別.pdf
- 基于分形幾何的彩色紋理圖像分析方法研究.pdf
- 非紋理圖像修復(fù)方法研究.pdf
- 基于結(jié)構(gòu)稀疏表達的圖像恢復(fù)方法研究.pdf
- 基于學(xué)習(xí)的壓縮感知圖像恢復(fù)方法研究.pdf
- 基于張量秩校正的圖像恢復(fù)方法研究.pdf
- 基于圖切分優(yōu)化的彩色紋理協(xié)同分割方法研究.pdf
- 深度紋理信息的顯著性計算.pdf
- 基于壓縮感知理論信號恢復(fù)方法研究.pdf
- 基于空間剖分的網(wǎng)格特征恢復(fù)方法.pdf
- 基于顏色調(diào)整的古畫恢復(fù)方法研究.pdf
- 視頻穩(wěn)像與缺失信息恢復(fù)方法研究.pdf
評論
0/150
提交評論