基于压缩感知的图像/视频信号压缩域处理方法研究
| 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19-27页 |
| 1.1 研究背景和意义 | 第19-20页 |
| 1.2 压缩感知研究现状 | 第20-24页 |
| 1.2.1 压缩感知的硬件实现 | 第20-22页 |
| 1.2.2 压缩感知的理论的研究进展 | 第22-24页 |
| 1.3 课题来源及主要贡献 | 第24-25页 |
| 1.4 论文结构与章节安排 | 第25-27页 |
| 第二章 压缩感知简介 | 第27-39页 |
| 2.1 引言 | 第27-28页 |
| 2.2 压缩感知基本理论 | 第28-32页 |
| 2.2.1 投影矩阵的性质 | 第28-30页 |
| 2.2.2 测量矩阵分类 | 第30-32页 |
| 2.2.3 l_0范数到l_1范数的稀疏恢复 | 第32页 |
| 2.3 基于分析的方法 | 第32-33页 |
| 2.4 基于综合的方法 | 第33-34页 |
| 2.5 重构算法 | 第34-36页 |
| 2.5.1 贪婪追踪算法 | 第34-35页 |
| 2.5.2 松弛优化算法 | 第35-36页 |
| 2.5.3 组合算法 | 第36页 |
| 2.6 小结 | 第36-39页 |
| 第三章 图像/视频信号压缩域与像素域相关性研究 | 第39-51页 |
| 3.1 压缩域协方差与频域协方差的关系 | 第39-42页 |
| 3.1.1 压缩域测量值的协方差 | 第39-41页 |
| 3.1.2 频域系数的协方差 | 第41-42页 |
| 3.2 压缩域纹理图像分类 | 第42-45页 |
| 3.2.1 压缩域k-means聚类 | 第42-43页 |
| 3.2.2 压缩域纹理分类 | 第43-44页 |
| 3.2.3 压缩域与像素域纹理分类方法的对比 | 第44-45页 |
| 3.3 实验仿真与分析 | 第45-50页 |
| 3.4 小结 | 第50-51页 |
| 第四章 基于压缩感知的视频信号运动估计 | 第51-69页 |
| 4.1 基于运动向量分解的测量值估计模型 | 第51-58页 |
| 4.1.1 垂直方向 | 第52-53页 |
| 4.1.2 水平方向 | 第53-55页 |
| 4.1.3 非垂直或水平方向 | 第55-58页 |
| 4.2 压缩域测量值估计噪声 | 第58-59页 |
| 4.3 压缩域运动估计 | 第59-60页 |
| 4.4 实验仿真与分析 | 第60-67页 |
| 4.5 小结 | 第67-69页 |
| 第五章 基于压缩感知的图像/视频信号显著性分析 | 第69-81页 |
| 5.1 压缩域测量值与原始信号间互信息分析 | 第69-70页 |
| 5.2 基于压缩域DCT变换的显著性分析 | 第70-73页 |
| 5.3 基于压缩域K-SVD字典训练的显著性分析 | 第73-76页 |
| 5.3.1 实验仿真与分析 | 第74-76页 |
| 5.4 媒体云上的压缩域显著性特征快速提取 | 第76-79页 |
| 5.5 小结 | 第79-81页 |
| 第六章 分布式视频压缩感知系统及其应用 | 第81-101页 |
| 6.1 基于区域显著性分类采样的DCVS系统 | 第81-88页 |
| 6.1.1 传统的DCVS系统 | 第81-83页 |
| 6.1.2 基于压缩域显著性分析的DCVS系统 | 第83-88页 |
| 6.2 DCVS在车辆信息娱乐系统的应用 | 第88-91页 |
| 6.2.1 车辆信息娱乐系统 | 第88-90页 |
| 6.2.2 DCVS在车辆信息娱乐系统的应用 | 第90-91页 |
| 6.3 实验仿真与分析 | 第91-99页 |
| 6.4 小结 | 第99-101页 |
| 第七章 结论与展望 | 第101-105页 |
| 7.1 结论 | 第101-102页 |
| 7.2 下一步工作展望 | 第102-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-115页 |
| 作者简介 | 第115-118页 |
