| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 论文研究背景和意义 | 第10-12页 |
| 1.2 相关工作 | 第12-14页 |
| 1.2.1 一般图像压缩算法 | 第12-13页 |
| 1.2.2 面向绘制的图像(纹理)压缩 | 第13-14页 |
| 1.3 研究目标和研究内容 | 第14-15页 |
| 1.4 技术方法 | 第15页 |
| 1.5 章节说明 | 第15-16页 |
| 1.6 本章小节 | 第16-17页 |
| 第2章 基于全局重复的压缩算法介绍和分析 | 第17-22页 |
| 2.1 基于全局重复算法 | 第17-21页 |
| 2.1.1 算法目标和主要步骤 | 第18-19页 |
| 2.1.2 自相似性查找 | 第19-20页 |
| 2.1.3 计算每个块的覆盖集 | 第20页 |
| 2.1.4 创建图像摘要图 | 第20页 |
| 2.1.5 优化匹配 | 第20-21页 |
| 2.1.6 组装摘要图 | 第21页 |
| 2.2 算法分析和改进 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于图像重要度的自适应图像压缩 | 第22-33页 |
| 3.1 结合视觉模型的图像压缩 | 第22-24页 |
| 3.2 显著性图的生成 | 第24-28页 |
| 3.2.1 基于特征图生成显著性图 | 第24-25页 |
| 3.2.2 基于过滤器生成显著性图 | 第25-27页 |
| 3.2.3 显著性图的对比 | 第27-28页 |
| 3.3 结合图像重要度的自适应图像压缩 | 第28-32页 |
| 3.3.1 基于线性的自适应 | 第29页 |
| 3.3.2 基于等分的自适应 | 第29-30页 |
| 3.3.3 基于重要度直方图的自适应 | 第30页 |
| 3.3.4 自适应图像压缩结果 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于GPU加速的全局重复内容提取 | 第33-44页 |
| 4.1 图像特征描述子 | 第34-36页 |
| 4.1.1 概述 | 第34页 |
| 4.1.2 特征描述子特性 | 第34-35页 |
| 4.1.3 采用的描述子 | 第35-36页 |
| 4.2 GPU计算和最近邻搜索相关工作 | 第36-39页 |
| 4.2.1 GPU计算能力 | 第37页 |
| 4.2.2 CUDA系统 | 第37-38页 |
| 4.2.3 基于最近邻搜索算法的图像相似搜索 | 第38-39页 |
| 4.3 基于GPU加速的全局相似区域查找 | 第39-42页 |
| 4.3.1 KNN穷举搜索算法和分析 | 第40页 |
| 4.3.2 基于GPU的欧式距离KNN加速 | 第40-42页 |
| 4.4 加速测试结果 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于全局重复和视觉重要度的图像压缩系统的设计和实现 | 第44-56页 |
| 5.1 系统概述 | 第44-48页 |
| 5.1.1 系统设计 | 第44-45页 |
| 5.1.2 系统流程图 | 第45-46页 |
| 5.1.3 库支持 | 第46-47页 |
| 5.1.4 摘要图 | 第47页 |
| 5.1.5 映射表 | 第47-48页 |
| 5.2 自相似匹配模块 | 第48-49页 |
| 5.3 块覆盖集 | 第49-51页 |
| 5.3.1 覆盖集计算 | 第49-50页 |
| 5.3.2 生成覆盖集 | 第50-51页 |
| 5.4 摘要图的生成和装配 | 第51-53页 |
| 5.4.1 匹配的优化 | 第51-52页 |
| 5.4.2 组合摘要图 | 第52-53页 |
| 5.5 图像解压过程 | 第53-54页 |
| 5.6 压缩系统的测试结果 | 第54-55页 |
| 5.7 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间参加的科研项目和成果 | 第63页 |