| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第9-12页 |
| 1 引言 | 第12-20页 |
| 1.1 图像集压缩的研究背景和意义 | 第12-14页 |
| 1.2 图像集压缩的研究现状 | 第14-17页 |
| 1.2.1 基于代表性信息的图像集压缩研究现状 | 第14-15页 |
| 1.2.2 基于图(Graph)的图像集压缩研究现状 | 第15-17页 |
| 1.3 本文的研究工作 | 第17页 |
| 1.4 本文的安排 | 第17-18页 |
| 1.5 本章小结 | 第18-20页 |
| 2 图像集压缩的理论基础和算法介绍 | 第20-32页 |
| 2.1 理论基础 | 第20-24页 |
| 2.1.1 集合冗余 | 第20-22页 |
| 2.1.2 集合映射 | 第22-24页 |
| 2.2 图像集压缩算法介绍 | 第24-30页 |
| 2.2.1 最小-最大差分法 | 第24-25页 |
| 2.2.2 最小-最大预测法 | 第25-27页 |
| 2.2.3 中心法 | 第27页 |
| 2.2.4 低频模板法 | 第27-29页 |
| 2.2.5 多模型预测法 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 3 基于图像集划分的图像集压缩算法 | 第32-42页 |
| 3.1 图像集划分算法 | 第32-35页 |
| 3.1.1 算法背景 | 第32页 |
| 3.1.2 算法框架 | 第32-33页 |
| 3.1.3 最优图像子集大小确定 | 第33-35页 |
| 3.2 实验结果与分析 | 第35-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 基于无向图的图像集压缩算法 | 第42-56页 |
| 4.1 图和最小生成树 | 第42-44页 |
| 4.1.1 无向图和有向图 | 第42-43页 |
| 4.1.2 最小生成树 | 第43-44页 |
| 4.2 算法框架 | 第44-45页 |
| 4.3 图像集预处理 | 第45-48页 |
| 4.3.1 下采样 | 第45页 |
| 4.3.2 建立无向加权图 | 第45-47页 |
| 4.3.3 计算最小生成树 | 第47-48页 |
| 4.3.4 图像重排 | 第48页 |
| 4.4 视频编码算法的应用 | 第48-49页 |
| 4.5 实验结果及分析 | 第49-54页 |
| 4.5.1 压缩性能比较 | 第50-53页 |
| 4.5.2 复杂度分析 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 5 基于非负矩阵分解的图像集压缩算法 | 第56-62页 |
| 5.1 非负矩阵分解简介 | 第56-57页 |
| 5.2 算法框架 | 第57-59页 |
| 5.3 实验结果及分析 | 第59-61页 |
| 5.3.1 实验结果 | 第59-60页 |
| 5.3.2 结果分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结和展望 | 第62-64页 |
| 6.1 本文总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 | 第68-72页 |
| 学位论文数据集 | 第72页 |