| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 英文缩略语对照表 | 第9-18页 |
| 第1章 绪论 | 第18-35页 |
| 1.1 课题背景及研究的目的和意义 | 第18-27页 |
| 1.1.1 立体视觉基本原理 | 第18-21页 |
| 1.1.2 3D视频表达格式 | 第21-24页 |
| 1.1.3 研究目的和意义 | 第24-27页 |
| 1.2 国内外研究现状 | 第27-33页 |
| 1.2.1 3D视频压缩标准的国内外研究现状 | 第27-29页 |
| 1.2.2 视频ROI选取方法的国内外现状 | 第29-30页 |
| 1.2.3 ROI视频压缩研究的国内外现状 | 第30-32页 |
| 1.2.4 深度图重建的国内外现状 | 第32-33页 |
| 1.3 本文的主要研究内容及结构安排 | 第33-35页 |
| 第2章 3D视频ROI压缩基础理论 | 第35-45页 |
| 2.1 引言 | 第35页 |
| 2.2 视频压缩基本原理 | 第35-36页 |
| 2.3 H.265/HEVC压缩框架 | 第36-38页 |
| 2.4 基于3D-HEVC的MVD视频压缩框架 | 第38-42页 |
| 2.5 基于HVS关注度的ROI压缩评价准则 | 第42-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 基于RGB-D特征分析的ROI选取方法 | 第45-79页 |
| 3.1 引言 | 第45页 |
| 3.2 三维图像的RGB-D四元数表达系统 | 第45-49页 |
| 3.2.1 四元数滤波在彩色图像处理中的应用 | 第46-47页 |
| 3.2.2 RGB-D全四元数表达系统 | 第47-49页 |
| 3.3 基于四元数梯度的RGB-D视频轮廓提取算法研究 | 第49-57页 |
| 3.3.1 全四元数梯度滤波算法 | 第49-52页 |
| 3.3.2 基于3D-HEVC四叉树信息的自适应局部加权 | 第52-54页 |
| 3.3.3 轮廓检测实验与分析 | 第54-57页 |
| 3.4 基于RGB-D四元数分割和视觉特性的显著图生成算法 | 第57-72页 |
| 3.4.1 基于四元数meanshift聚类的区域分割 | 第58-60页 |
| 3.4.2 基于深度信息的显著图生成算法 | 第60-63页 |
| 3.4.3 彩色纹理显著图生成算法 | 第63-67页 |
| 3.4.4 基于四元数的面部检测算法 | 第67-69页 |
| 3.4.5 基于HVS生理特性的显著度区域加权 | 第69-72页 |
| 3.5 综合HVS生理特性与心理特性的ROI选取方法 | 第72-78页 |
| 3.6 本章小结 | 第78-79页 |
| 第4章 兼容3D-HEVC的三维视频ROI压缩算法 | 第79-114页 |
| 4.1 引言 | 第79页 |
| 4.2 3D-HEVC中比特率分配与率失真优化 | 第79-88页 |
| 4.2.1 3D-HEVC编码结构与比特率构成分析 | 第79-83页 |
| 4.2.2 3D-HEVC的率失真优化 | 第83-86页 |
| 4.2.3 全局率失真优化存在的问题与ROI改进方案 | 第86-88页 |
| 4.3 面向3D-HEVC的ROI多分辨压缩方法研究 | 第88-95页 |
| 4.3.1 与3D-HEVC兼容的ROI多分辨压缩算法 | 第88-90页 |
| 4.3.2 ROI多分辨压缩对3D-HEVC比特率分配的影响 | 第90-95页 |
| 4.4 ROI多QP压缩方法研究 | 第95-102页 |
| 4.4.1 率失真优化量化原理 | 第95-97页 |
| 4.4.2 ROI多QP压缩算法 | 第97-101页 |
| 4.4.3 ROI多QP压缩兼容性分析 | 第101-102页 |
| 4.5 实验与分析 | 第102-113页 |
| 4.5.1 ROI多分辨压缩结果对比 | 第103-106页 |
| 4.5.2 ROI多QP压缩结果对比 | 第106-113页 |
| 4.6 本章小结 | 第113-114页 |
| 第5章 纹理视频引导的深度图ROI重建算法 | 第114-137页 |
| 5.1 引言 | 第114页 |
| 5.2 形态学滤波与深度图特征的适应性分析 | 第114-117页 |
| 5.2.1 数学形态学滤波的特点 | 第114-115页 |
| 5.2.2 深度图数据纹理统计特点 | 第115-117页 |
| 5.3 基于形状自适应形态学滤波的深度图重建方法 | 第117-124页 |
| 5.3.1 Kinect深度图及其降质特点 | 第118-120页 |
| 5.3.2 基于轮廓约束的SASE生成方法 | 第120-123页 |
| 5.3.3 自适应数学形态学滤波 | 第123页 |
| 5.3.4 计算效率分析 | 第123-124页 |
| 5.4 基于形状-模式自适应形态学滤波的深度图重建方法 | 第124-128页 |
| 5.4.1 三维形状-模式自适应形态学算子 | 第124-125页 |
| 5.4.2 基于三维形状-模式自适应形态学滤波的深度重建方法 | 第125-128页 |
| 5.5 实验与分析 | 第128-135页 |
| 5.5.1 仿真Kinect深度数据SAMF重建 | 第128-131页 |
| 5.5.2 真实Kinect深度数据SAMF重建 | 第131-132页 |
| 5.5.3 基于SAMF的3D-HEVC解压端深度图ROI重建实验 | 第132-133页 |
| 5.5.4 基于SM-AMF的深度图重建实验 | 第133-135页 |
| 5.6 本章小结 | 第135-137页 |
| 结论 | 第137-139页 |
| 参考文献 | 第139-151页 |
| 攻读博士学位期间发表的论文及其它成果 | 第151-153页 |
| 致谢 | 第153-155页 |
| 个人简历 | 第155页 |
