| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 视频转码基本原理 | 第7-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 本文的主要内容和章节安排 | 第10-12页 |
| 1.4.1 主要研究内容 | 第10页 |
| 1.4.2 本文章节安排 | 第10-12页 |
| 2 HEVC视频编码标准介绍 | 第12-26页 |
| 2.1 HEVC编码框架 | 第12页 |
| 2.2 HEVC分块编码结构 | 第12-15页 |
| 2.2.1 编码单元 | 第12-14页 |
| 2.2.2 预测单元 | 第14-15页 |
| 2.2.3 变换单元 | 第15页 |
| 2.3 HEVC编码关键技术 | 第15-25页 |
| 2.3.1 帧内预测 | 第15-16页 |
| 2.3.2 帧间预测 | 第16-21页 |
| 2.3.3 率失真优化技术 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于机器学习的CU模式快速决策算法 | 第26-43页 |
| 3.1 基于决策树算法的弱分类器 | 第26-28页 |
| 3.2 级联式adaboost多类分类器 | 第28-32页 |
| 3.2.1 adaboost分类器基本原理 | 第28-30页 |
| 3.2.2 adaboost分类器误差分析 | 第30-32页 |
| 3.2.3 级联式adaboost多类分类器结构 | 第32页 |
| 3.3 基于adaboost分类的CU模式决定算法设计 | 第32-42页 |
| 3.3.1 基于adaboost分类的CU模式决定算法框架 | 第32-34页 |
| 3.3.2 adaboost分类器学习阶段 | 第34-38页 |
| 3.3.3 adaboost分类器应用阶段 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于统计分析的PU模式决定算法 | 第43-48页 |
| 4.1 原始码流与输出码流PU模式相关性分析 | 第43-46页 |
| 4.2 基于统计分析的PU模式决定算法设计 | 第46-47页 |
| 4.2.1 PU模式决定转码框架 | 第46页 |
| 4.2.2 PU模式决定算法实现 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 实验设计和结果分析 | 第48-56页 |
| 5.1 实验环境配置 | 第48页 |
| 5.2 分类器训练精度分析 | 第48-49页 |
| 5.3 PU模式预测结果分析 | 第49-50页 |
| 5.4 基于两种算法的转码结果及其分析 | 第50-53页 |
| 5.5 拓展讨论及分析 | 第53-54页 |
| 5.6 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56-57页 |
| 6.2 工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |