首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

图像与视频低复杂度压缩算法研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第13-14页
缩略语对照表第14-19页
第一章 绪论第19-33页
    1.1 研究背景及目的和意义第19-24页
        1.1.1 论文研究背景第19-22页
        1.1.2 研究目的和意义第22-24页
    1.2 国内外研究现状综述第24-30页
        1.2.1 图像数据压缩编码研究现状第24-27页
        1.2.2 感兴趣区域检测及压缩研究现状第27-30页
    1.3 主要研究内容与章节安排第30-33页
        1.3.1 主要研究内容第30-31页
        1.3.2 本文结构安排第31-33页
第二章 图像和视频压缩编码技术第33-49页
    2.1 压缩编码技术原理第33-34页
    2.2 压缩编码技术分类第34-41页
    2.3 压缩编码评价准则第41-43页
    2.4 压缩编码国际标准第43-49页
第三章 基于双正交不变集多小波的图像压缩编码研究第49-65页
    3.1 引言第49-50页
    3.2 双正交不变集多小波滤波器设计第50-53页
    3.3 多分辨分析第53-54页
    3.4 分解与重构算法第54-56页
    3.5 双正交不变集多小波用于图像压缩的优势分析第56-57页
        3.5.1 算法复杂度第56-57页
        3.5.2 能量和熵的集中程度第57页
    3.6 实验结果与分析第57-64页
    3.7 本章小结第64-65页
第四章 基于预测误差分块和多波段预测的分布式高光谱图像无损压缩第65-85页
    4.1 引言第65-67页
    4.2 分布式信源编码原理及发展第67-71页
        4.2.1 分布式信源编码(DSC)原理第67-68页
        4.2.2 s-DSC框架第68-70页
        4.2.3 s-DSC算法改进第70-71页
    4.3 基于分块陪集编码的无损压缩第71-77页
        4.3.1 预测误差分块算法第71-73页
        4.3.2 多波段预测算法第73-74页
        4.3.3 初步实验验证第74-76页
        4.3.4 解码第76-77页
    4.4 实验结果与分析第77-83页
        4.4.1 实验数据第77-78页
        4.4.2 压缩效率第78-81页
        4.4.3 算法复杂度分析第81-83页
    4.5 本章小结第83-85页
第五章 低复杂度视频图像压缩域显著点检测研究第85-105页
    5.1 引言第85-87页
    5.2 相关工作第87-88页
    5.3 压缩域特征第88-93页
        5.3.1 预测残差DCT系数范数(RDCN特征)第89-90页
        5.3.2 操作块描述长度(OBDL特征)第90页
        5.3.3 人眼关注点检测第90-93页
    5.4 SRDCNOBDL体系结构第93-95页
    5.5 实验结果和分析第95-104页
        5.5.1 实验设置第95-97页
        5.5.2 模型参数设计第97-100页
        5.5.3 显著性检测模型比较第100-103页
        5.5.4 视频图像质量的敏感性分析第103页
        5.5.5 复杂度分析第103-104页
    5.6 本章小结第104-105页
第六章 基于马尔可夫随机场的视频图像压缩域显著点检测第105-127页
    6.1 引言第105-106页
    6.2 相关工作第106-107页
    6.3 压缩域SRDCN特征第107-108页
    6.4 SRDCN-MRF体系结构第108-114页
        6.4.1 马尔可夫随机场模型第109-110页
        6.4.2 能量函数第110-112页
        6.4.3 优化第112页
        6.4.4 最终显著性图第112-113页
        6.4.5 SRDCN-MRF体系结构第113-114页
    6.5 实验结果和分析第114-124页
        6.5.1 实验设置第114-115页
        6.5.2 模型参数设计第115-118页
        6.5.3 显著性检测模型比较第118-123页
        6.5.4 视频图像质量的敏感性分析第123页
        6.5.5 复杂度分析第123-124页
    6.6 本章小结第124-127页
第七章 结束语第127-131页
    7.1 总结第127-128页
    7.2 展望第128-131页
参考文献第131-143页
致谢第143-145页
作者简介第145-147页

论文共147页,点击 下载论文
上一篇:基于重构的自底向上视觉注意模型研究
下一篇:基于协作学习和文化进化机制的量子粒子群算法及应用研究