基于压缩感知的交通视频压缩技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 智能交通系统发展 | 第11页 |
| 1.2.2 压缩感知理论起源与发展 | 第11-13页 |
| 1.2.3 分布式压缩感知研究进展 | 第13页 |
| 1.3 交通视频压缩技术研究 | 第13-17页 |
| 1.3.1 H.26x视频编码标准发展 | 第15-17页 |
| 1.3.2 交通视频冗余信息研究 | 第17页 |
| 1.4 本文主要研究内容及结构 | 第17-19页 |
| 1.4.1 论文主要研究内容 | 第17页 |
| 1.4.2 论文组织结构 | 第17-19页 |
| 第二章 压缩感知基础理论 | 第19-31页 |
| 2.1 压缩感知基础理论 | 第19-23页 |
| 2.1.1 压缩感知理论处理信号主要步骤 | 第19-20页 |
| 2.1.2 压缩感知核心步骤常用算法 | 第20-21页 |
| 2.1.3 压缩感知理论相关定理 | 第21-23页 |
| 2.2 K-SVD算法 | 第23-24页 |
| 2.3 改进的K-SVD算法 | 第24-28页 |
| 2.3.1 TOMP算法介绍 | 第25-27页 |
| 2.3.2 改进的K-SVD算法步骤 | 第27-28页 |
| 2.4 仿真实验结果与分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 交通视频预处理 | 第31-47页 |
| 3.1 交通视频背景建模 | 第31-38页 |
| 3.1.1 交通视频背景提取 | 第31-34页 |
| 3.1.2 交通视频背景更新 | 第34-36页 |
| 3.1.3 仿真实验结果与分析 | 第36-38页 |
| 3.2 交通视频场景分类 | 第38-43页 |
| 3.2.1 交通视频场景分类 | 第38-40页 |
| 3.2.2 夜间交通视频图像增强 | 第40-43页 |
| 3.3 变采样率计算模型 | 第43-46页 |
| 3.3.1 基于分块压缩感知的变采样率计算模型 | 第44-45页 |
| 3.3.2 GOP变采样率观测压缩过程 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于压缩感知的交通视频压缩编码 | 第47-59页 |
| 4.1 交通视频编码框架设计 | 第47-54页 |
| 4.1.1 常用视频编码框架介绍 | 第47-50页 |
| 4.1.2 基于压缩感知的交通视频编码框架 | 第50-54页 |
| 4.2 交通视频压缩质量评价 | 第54-55页 |
| 4.3 仿真实验结果与分析 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
