kinect-v2修复深度图像并用修复后图像进行彩色深度配准并，用opencv显示配准结果，并获取场景中所有点的三维坐标，用opengl显示三维场景

本综述将基于深度学习的医学和非医学图像分割解决方案分为六大组:深度架构、基于数据合成、基于损失函数、排序模型、弱监督和多任务方法，并对每一组的贡献进行全面综述。然后，针对每一组，我们分析了每一组的不同，并讨论了当前方法的局限性和未来语义图像分割的研究方向。

利用深度神经网络对数据库进行训练，从而使单幅图像生成深度图，从而实现三维重构

光场相机目前已广泛应用于消费领域和工业应用领域，利用光场相机对目标物进行深度重建成为了一项重要的研究课题。在实际研究过程中，Lytro相机空间信息与角度信息复用于同一传感器，导致图像分辨率较低，从而使得重建效果不甚理想。为解决这一问题，提出了一种亚像素精度的光场图像深度估计方法，在频率域对子孔径图像进行多标签下的亚像素偏移，以中心视角图像为参照，建立像素匹配代价行为；使用引导滤波抑制噪声的同时保持了图像边缘；对多标签下的匹配代价行为进行优化，得到精确的深度估计结果。对目标深度图进行表面渲染、纹理映射等重建处理，得到较为精细的重建结果。实验结果表明，该算法在对复杂度较高的物体进行重建时，解决了重建模糊等问题，有较好的表现。

双目视觉是模拟人类视觉原理，使用计算机被动感知距离的方法。从两个或者多个点观察一个物体，获取在不同视角下的图像，根据图像之间像素的匹配关系，通过三角测量原理计算出像素之间的偏移来获取物体的三维信息

Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining

立体声匹配 *作者： （2020年1月） 总览 这个小工具是简单的立体声匹配的手动实现。 从不同的角度拍摄的两个经过校正的图像： 左图 正确的图像 通过两个匹配算法来组合以深度图像，简单胜者为王它，所有（WTA）或更复杂的半全局匹配（SGM）与绝对差的几个匹配成本（和（SAD），总和平方差（SAD）或归一化互相关（NCC） ）。 使用accX精度度量将结果与真实情况进行比较，不包括使用遮罩遮挡的像素。 公式 有关所涉及公式的精确细节（匹配成本，匹配算法和精度度量），请参阅Theory.pdf 。 文件 输入图像的data/目录（左眼和右眼） output/生成深度图像输出的目录 Ma

Depth from Combining Defocus and Correspondence Using Light-Field Cameras-Tao的这篇论文中对光场图像进行了深度估计，并进行了MRF。此代码为经过重新编译后的代码，matlab2018、2017实测可用。 文章解析：https://blog.csdn.net/weixin_38285131 （该文中提供的代码链接matlab2018不可用）

用于深度学习图像去雾的数据集，包含了250张清晰图像和对应的250*8张不同程度清晰图像

超谱图像深度学习综述