摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第13-21页 |
1.1 引言 | 第13-14页 |
1.2 视频编码的主要目的 | 第14页 |
1.3 视频编解码标准的发展历程 | 第14-17页 |
1.4 HEVC的研究背景及意义 | 第17-19页 |
1.5 本论文的主要研究内容 | 第19-20页 |
1.6 本论文的结构安排 | 第20-21页 |
第2章 HEVC视频压缩编码架构 | 第21-33页 |
2.1 HEVC概述 | 第21页 |
2.2 HEVC编码框架 | 第21-23页 |
2.3 HEVC技术要点 | 第23-29页 |
2.3.1 视频编码层 | 第23-26页 |
2.3.2 HEVC预测编码技术 | 第26-28页 |
2.3.3 高级句法结构 | 第28-29页 |
2.3.4 并行化设计 | 第29页 |
2.4 率失真优化(RDO,Rate distortion optimize)技术 | 第29-31页 |
2.4.1 RDO代价函数 | 第29-30页 |
2.4.2 代价函数之间的性能比较 | 第30-31页 |
2.5 本章小结 | 第31-33页 |
第3章 HEVC帧内预测单元尺寸判定算法研究 | 第33-67页 |
3.1 HEVC帧内编码概述 | 第33-38页 |
3.1.1 HEVC帧内预测编码的结构 | 第33-35页 |
3.1.2 HEVC帧内预测复杂度分析 | 第35-38页 |
3.2 帧内编码的相关研究 | 第38-40页 |
3.3 数字图像纹理信息的预处理 | 第40-45页 |
3.3.1 人眼视觉系统(HVS)中的视觉注意机制 | 第40-41页 |
3.3.2 显著性图像的特点 | 第41-43页 |
3.3.3 显著性图像在HEVC帧内编码过程中的应用 | 第43-45页 |
3.4 基于信息熵的显著性图像划分方式 | 第45-53页 |
3.4.1 信息熵的概念 | 第45-46页 |
3.4.2 基于信息熵的信息熵的HEVC帧内预测单元尺寸判定算法 | 第46-47页 |
3.4.3 实验结果与分析 | 第47-53页 |
3.5 基于图像显著性特征的帧内预测单元尺寸判定算法 | 第53-58页 |
3.6 实验结果及分析 | 第58-65页 |
3.7 本章小结 | 第65-67页 |
第4章 HEVC帧间预测快速算法研究 | 第67-93页 |
4.1 HEVC帧间编码概述 | 第67-71页 |
4.1.1 HEVC帧间编码结构 | 第67-69页 |
4.1.2 HEVC帧间预测复杂度分析 | 第69-71页 |
4.2 帧间编码优化算法的相关研究 | 第71-72页 |
4.3. 基于帧差离散度的编码单元深度选择算法 | 第72-79页 |
4.3.1 帧间残差与编码深度的关系分析 | 第73-74页 |
4.3.2 HEVC帧间预测编码深度判定依据 | 第74-75页 |
4.3.3 算法介绍 | 第75-79页 |
4.4 基于区域运动特征的帧间预测模式判定算法 | 第79-82页 |
4.4.1 帧间预测模式与区域运动特征的关系 | 第79-81页 |
4.4.2 候选帧间预测模式的选择 | 第81-82页 |
4.5 帧间预测快速算法的具体流程 | 第82-83页 |
4.6 实验结果与算法性能分析 | 第83-92页 |
4.6.1 实验一基于帧差离散度的编码单元深度选择算法性能实验 | 第83-86页 |
4.6.2 实验二基于区域运动特征的帧间预测模式判定算法性能实验 | 第86-92页 |
4.7 本章小结 | 第92-93页 |
第5章 总结与展望 | 第93-99页 |
5.1 本文主要工作总结 | 第93-94页 |
5.1.1 帧内预测算法的优化 | 第93-94页 |
5.1.2 帧间预测算法的优化 | 第94页 |
5.2 论文的创新点 | 第94-96页 |
5.2.1 提出了一种基于图像信息熵的HEVC帧内预测单元尺寸判定算法 | 第94-95页 |
5.2.2 提出了一种基于图像显著性特征的HEVC帧内预测单元尺寸判定算法 | 第95页 |
5.2.3 提出了一种基于帧差离散度的编码单元深度选择算法 | 第95页 |
5.2.4 提出了基于区域运动特征的帧间预测模式判定算法 | 第95-96页 |
5.3 展望 | 第96-99页 |
参考文献 | 第99-109页 |
在学期间学术成果情况 | 第109-111页 |
指导教师及作者简介 | 第111-113页 |
致谢 | 第113页 |