| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 引言 | 第13-35页 |
| ·研究背景与意义 | 第13-14页 |
| ·研究课题的现状 | 第14-32页 |
| ·多媒体视频编码概述 | 第14-15页 |
| ·视频编码标准 | 第15-17页 |
| ·视频编码的研究与发展 | 第17-24页 |
| ·编码业务流量模型 | 第24-32页 |
| ·论文主要工作及组织结构 | 第32-35页 |
| 2 视频压缩编码中基于Kalman滤波平滑运动估计算法 | 第35-57页 |
| ·引言 | 第35-36页 |
| ·运动估计概念与现有算法分析 | 第36-42页 |
| ·运动估计的基本概念 | 第36-38页 |
| ·现有基于块的运动估计算法分析 | 第38-42页 |
| ·平滑的率失真最优运动估计 | 第42-51页 |
| ·Kalman滤波器概述 | 第42-44页 |
| ·传统的率失真最优的块匹配运动估计 | 第44-45页 |
| ·混合模式搜索模板 | 第45-49页 |
| ·混合模式搜索下基于Kalman滤波的率失真最优运动估计 | 第49-51页 |
| ·平滑的率失真最优运动估计算法的性能分析 | 第51-56页 |
| ·PSNR性能分析 | 第52-53页 |
| ·比特速率性能分析 | 第53-54页 |
| ·运动矢量场分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 3 基于人类视觉系统的误差反馈自适应量化策略 | 第57-89页 |
| ·引言 | 第57-58页 |
| ·基于人类视觉系统特性的自适应量化 | 第58-64页 |
| ·常见视频图像量化失真分析与自适应量化的必要性 | 第58-60页 |
| ·现有自适应量化策略的局限性分析与评价 | 第60-64页 |
| ·基于人类视觉系统的误差反馈自适应量化策略 | 第64-79页 |
| ·对活动性参数归一化公式的改进与效果分析 | 第65-69页 |
| ·图像亮度特性分析与空间活动性参数的确定 | 第69-70页 |
| ·基于MV的图像运动性分析与时间活动性参数的确定 | 第70-73页 |
| ·帧间图像相似性分析与误差分布反馈策略的提出 | 第73-74页 |
| ·基于ΔD～ΔR的量化参数调整因子ΔQ的确定 | 第74-77页 |
| ·自适应量化算法 | 第77-79页 |
| ·实验结果及分析 | 第79-87页 |
| ·自适应量化算法耗时分析 | 第79-80页 |
| ·自适应量化算法的性能分析 | 第80-87页 |
| ·本章小结 | 第87-89页 |
| 4 无线网络视频信源信道联合编码策略 | 第89-106页 |
| ·引言 | 第89-90页 |
| ·视频图像传输模型 | 第90-91页 |
| ·视频图像码率与失真分析 | 第91-100页 |
| ·基于视频图像SDDCT的信源失真分析与建模 | 第92-94页 |
| ·基于视频图像SDDCT的信源码率模型 | 第94-96页 |
| ·解码器端残留失真分析与建模 | 第96-98页 |
| ·差错控制信道与解码器端残留失真改进 | 第98-100页 |
| ·基于广义率失真的视频信源信道联合编码策略 | 第100-103页 |
| ·视频信源信道联合编码重建图像性能分析 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 5 视频流量特性与预测模型 | 第106-121页 |
| ·引言 | 第106-107页 |
| ·MPEG视频流量特性分析 | 第107-111页 |
| ·视频流量的自相关性 | 第107-109页 |
| ·视频流量的自相似性及Hurst参数 | 第109-111页 |
| ·MPEG流量小波在线预测模型 | 第111-116页 |
| ·MPEG流量小波系数的预测模型 | 第111-114页 |
| ·MPEG流量尺度系数的预测模型 | 第114-116页 |
| ·MPEG流量小波在线预测模型性能分析 | 第116-120页 |
| ·本章小结 | 第120-121页 |
| 6 结束语 | 第121-125页 |
| ·总结 | 第121-123页 |
| ·工作展望 | 第123-125页 |
| 参考文献 | 第125-135页 |
| 缩略语与参考变量表 | 第135-139页 |
| 作者简历 | 第139-142页 |
| 学位论文数据集 | 第142页 |