| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 视频压缩与编码原理概述 | 第12-16页 |
| 1.3 视频编解码标准的发展概述 | 第16-18页 |
| 1.4 选题意义及研究现状 | 第18-21页 |
| 1.4.1 选题意义 | 第18-19页 |
| 1.4.2 国内外研究现状 | 第19-21页 |
| 1.5 主要研究内容和结构安排 | 第21-23页 |
| 1.5.1 主要研究内容 | 第21页 |
| 1.5.2 本文的结构安排 | 第21-23页 |
| 第二章 HEVC视频编码技术 | 第23-36页 |
| 2.1 HEVC概述 | 第23-24页 |
| 2.2 HEVC编码框架和解码框架概述 | 第24-25页 |
| 2.2.1 编码框架概述 | 第24-25页 |
| 2.2.2 解码框架概述 | 第25页 |
| 2.3 HEVC中的关键编码技术 | 第25-35页 |
| 2.3.1 灵活的编码块结构 | 第25-27页 |
| 2.3.2 帧内预测 | 第27-30页 |
| 2.3.3 帧间预测 | 第30-32页 |
| 2.3.4 变换和量化 | 第32-33页 |
| 2.3.5 环路滤波技术 | 第33-34页 |
| 2.3.6 熵编码 | 第34-35页 |
| 2.4 本章总结 | 第35-36页 |
| 第三章 HEVC帧内预测原理及算法研究 | 第36-46页 |
| 3.1 帧内预测编码 | 第36-41页 |
| 3.1.1 帧内预测的编码结构 | 第36-38页 |
| 3.1.2 率失真优化 | 第38-41页 |
| 3.2 帧内预测流程及复杂度分析 | 第41-44页 |
| 3.3 帧内预测快速算法研究 | 第44-45页 |
| 3.4 本章总结 | 第45-46页 |
| 第四章 基于机器学习的HEVC帧内预测快速算法的研究 | 第46-69页 |
| 4.1 基于CU/PU划分的统计分析 | 第46-47页 |
| 4.2 基于视频图像复杂度的特征提取算法 | 第47-53页 |
| 4.2.1 纹理复杂度提取算法 | 第48-49页 |
| 4.2.2 梯度复杂度提取算法 | 第49-50页 |
| 4.2.3 结构复杂度提取算法 | 第50-52页 |
| 4.2.4 预测编码的量化参数 | 第52-53页 |
| 4.3 基于多特征机器学习的帧内预测快速算法的研究 | 第53-60页 |
| 4.3.1 基于CU/PU决策的快速算法框架 | 第53-57页 |
| 4.3.2 基于SVM的复杂度特征分类算法 | 第57-59页 |
| 4.3.3 基于Dual-SVM的帧内快速算法模型训练 | 第59-60页 |
| 4.4 实验结果及分析 | 第60-68页 |
| 4.4.1 实验测试环境 | 第60-61页 |
| 4.4.2 实验结果及分析 | 第61-66页 |
| 4.4.3 与其他方法的实验结果对比 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |
