| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究历史和现状 | 第15-17页 |
| 1.2.1 视频编码标准技术 | 第15-16页 |
| 1.2.2 视频编码中背景参考图像技术研究热点 | 第16-17页 |
| 1.3 论文创新及安排 | 第17-20页 |
| 第2章 视频编码标准与技术 | 第20-54页 |
| 2.1 视频编码系统 | 第20-22页 |
| 2.2 率失真优化准则与编码框架 | 第22-29页 |
| 2.2.1 编码信号的互信息量 | 第23-24页 |
| 2.2.2 编码失真 | 第24-25页 |
| 2.2.3 视频编码的率失真优化准则 | 第25-26页 |
| 2.2.4 混合编码框架 | 第26-27页 |
| 2.2.5 编码标准发展 | 第27-29页 |
| 2.3 高性能视频编码标准H.265/MPEG-H HEVC | 第29-36页 |
| 2.3.1 基本结构概念 | 第30-31页 |
| 2.3.2 帧内预测技术 | 第31-32页 |
| 2.3.3 帧间预测技术 | 第32-34页 |
| 2.3.4 变换量化技术 | 第34页 |
| 2.3.5 环路滤波器技术 | 第34-36页 |
| 2.4 下一代编码标准技术 | 第36-49页 |
| 2.4.1 新的块结构技术 | 第36-38页 |
| 2.4.2 新的帧内预测技术 | 第38-41页 |
| 2.4.3 新的帧间预测技术 | 第41-44页 |
| 2.4.4 新的变换技术 | 第44-47页 |
| 2.4.5 基于深度学习的编码方法 | 第47-49页 |
| 2.5 视频编码中的背景参考图像技术 | 第49-53页 |
| 2.5.1 参考图像的作用 | 第49-50页 |
| 2.5.2 参考图像管理 | 第50-52页 |
| 2.5.3 背景参考图像的作用 | 第52页 |
| 2.5.4 背景参考图像的使用 | 第52-53页 |
| 2.6 本章小结 | 第53-54页 |
| 第3章 基于块构造的渐进式背景参考图像合成方法 | 第54-80页 |
| 3.1 背景参考图像建模方法 | 第54-56页 |
| 3.1.1 一般化的背景建模方法 | 第54-55页 |
| 3.1.2 编码中的背景建模方法 | 第55-56页 |
| 3.1.3 本章主要贡献 | 第56页 |
| 3.2 提出的静态背景下基于块构造的背景参考图像技术 | 第56-71页 |
| 3.2.1 基本框架 | 第56-57页 |
| 3.2.2 背景块检测 | 第57-59页 |
| 3.2.3 背景参考图像更新流程 | 第59-61页 |
| 3.2.4 实验结果 | 第61-71页 |
| 3.3 提出的动态背景下基于块构造的背景参考图像技术 | 第71-77页 |
| 3.3.1 整体流程 | 第71-73页 |
| 3.3.2 全局运动模型估计 | 第73-74页 |
| 3.3.3 光照平滑 | 第74页 |
| 3.3.4 光照补偿 | 第74-75页 |
| 3.3.5 实验结果 | 第75-77页 |
| 3.4 本章小结 | 第77-80页 |
| 第4章 基于稳定性分析的背景块码率分配方法 | 第80-94页 |
| 4.1 码率分配技术 | 第80-84页 |
| 4.1.1 码率分配基础 | 第80-81页 |
| 4.1.2 通用的码率分配思路 | 第81-82页 |
| 4.1.3 现有背景图像码率分配方法 | 第82-84页 |
| 4.2 提出的基于稳定性分析的背景块码率分配技术 | 第84-90页 |
| 4.2.0 实验结果分析 | 第84-85页 |
| 4.2.1 理论分析 | 第85-88页 |
| 4.2.2 实现框架 | 第88-90页 |
| 4.3 实验结果及讨论 | 第90-93页 |
| 4.4 本章小结 | 第93-94页 |
| 第5章 基于光照分离和深度学习的监控视频帧内编码方法 | 第94-120页 |
| 5.1 监控视频编码技术 | 第94-96页 |
| 5.1.1 监控视频的特点 | 第94-95页 |
| 5.1.2 监控视频编码技术 | 第95-96页 |
| 5.2 提出的基于光照分离的静态背景图像内编码方法 | 第96-110页 |
| 5.2.1 整体框架 | 第98页 |
| 5.2.2 光照分离方法 | 第98-100页 |
| 5.2.3 光照分量与反射系数存储 | 第100-101页 |
| 5.2.4 编码参数调整 | 第101页 |
| 5.2.5 RefRef模式选择 | 第101-102页 |
| 5.2.6 实验结果 | 第102-110页 |
| 5.3 提出的基于深度学习的帧内预测模式 | 第110-119页 |
| 5.3.1 帧内预测过程 | 第110-111页 |
| 5.3.2 采用的卷积神经网络 | 第111-112页 |
| 5.3.3 网络训练 | 第112-113页 |
| 5.3.4 编码实现框架 | 第113-114页 |
| 5.3.5 实验结果 | 第114-119页 |
| 5.4 本章小结 | 第119-120页 |
| 第6章 总结与展望 | 第120-122页 |
| 参考文献 | 第122-132页 |
| 致谢 | 第132-134页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第134-136页 |
