| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 当前视频编码技术发展状况 | 第11-12页 |
| 1.2 本文研究背景及意义 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 视频编码技术分析 | 第15-29页 |
| 2.1 MPEG-2编码技术分析 | 第15-18页 |
| 2.2 H.264编码技术分析 | 第18-21页 |
| 2.3 MPEG-2和H.264视频编码技术比较 | 第21-22页 |
| 2.4 H.265编码技术分析 | 第22-25页 |
| 2.5 H.264 SVC技术分析 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 标准间SVC设计 | 第29-34页 |
| 3.1 标准间SVC的提出 | 第29-30页 |
| 3.1.1 现有编码标准及SVC存在的问题 | 第29-30页 |
| 3.1.2 标准间SVC与H.264 SVC的区别 | 第30页 |
| 3.2 标准间SVC的架构 | 第30-32页 |
| 3.2.1 编码器 | 第30-31页 |
| 3.2.2 解码器 | 第31-32页 |
| 3.3 关键问题 | 第32-33页 |
| 3.3.1 层间帧间预测 | 第32页 |
| 3.3.2 层间残差预测 | 第32页 |
| 3.3.3 层间帧内预测 | 第32-33页 |
| 3.4 解决方案 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 Ⅰ帧层间预测增强处理 | 第34-40页 |
| 4.1 图像上采样 | 第34-36页 |
| 4.1.1 常见上采样技术 | 第34-35页 |
| 4.1.2 改进后上采样技术 | 第35-36页 |
| 4.2 残差图像 | 第36-37页 |
| 4.3 Ⅰ帧增强处理 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 基于DCT系数的帧内纹理预测 | 第40-47页 |
| 5.1 DCT变换 | 第40-41页 |
| 5.2 DCT系数分布特征 | 第41-42页 |
| 5.3 神经网络算法 | 第42-44页 |
| 5.3.1 神经网络基本概念 | 第42-43页 |
| 5.3.2 常见的神经网络模型 | 第43-44页 |
| 5.4 基于DCT系数的帧内预测 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 实验验证与分析 | 第47-61页 |
| 6.1 实验环境 | 第47-49页 |
| 6.1.1 环境搭建与文件配置 | 第47-48页 |
| 6.1.2 视频序列 | 第48-49页 |
| 6.2 Ⅰ帧层间预测增强处理实验 | 第49-55页 |
| 6.2.1 2-tap和6-tap上采样比较 | 第49-53页 |
| 6.2.2 残差图像 | 第53-54页 |
| 6.2.3 实验结果与分析 | 第54-55页 |
| 6.3 基于DCT系数帧内纹理预测实验 | 第55-59页 |
| 6.3.1 神经网络模型选择 | 第55-56页 |
| 6.3.2 神经网络设计 | 第56-57页 |
| 6.3.3 实验结果与分析 | 第57-59页 |
| 6.4 本章小结 | 第59-61页 |
| 第7章 总结和展望 | 第61-63页 |
| 7.1 工作总结 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间论文发表及科研情况 | 第68页 |