| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-22页 |
| ·概述 | 第14页 |
| ·基于计算机视觉的图像压缩研究 | 第14-17页 |
| ·研究目的 | 第14-15页 |
| ·关键背景知识概述 | 第15-17页 |
| ·本文的创新点 | 第17页 |
| ·基于上下文的熵编码研究 | 第17-19页 |
| ·研究目的 | 第17-18页 |
| ·关键背景知识概述 | 第18-19页 |
| ·本文的创新点 | 第19页 |
| ·基于上下文的差错控制研究 | 第19-22页 |
| ·研究目的 | 第19页 |
| ·关键背景知识概述 | 第19-20页 |
| ·本文的创新点 | 第20-22页 |
| 第二章 基于基元图的图像压缩系统 | 第22-49页 |
| ·概述 | 第22-23页 |
| ·JPEG2000 中采用的编码算法简介 | 第23-27页 |
| ·JPEG2000 标准的背景及其主要目标 | 第23-24页 |
| ·JPEG2000 标准的技术特征 | 第24-26页 |
| ·JPEG2000 与其他现有标准的比较 | 第26-27页 |
| ·基于计算机视觉的图像压缩系统概述 | 第27-29页 |
| ·基于基元图的图像压缩系统设计 | 第29-34页 |
| ·整体框架概述 | 第29-30页 |
| ·基于基元图的映射 | 第30-31页 |
| ·基于素描轮廓选择的证明 | 第31-33页 |
| ·基于轮廓的学习和映射 | 第33-34页 |
| ·素描轮廓学习的关键技术 | 第34-44页 |
| ·插值技术 | 第34-36页 |
| ·边缘检测 | 第36-43页 |
| ·Graph-Cut 处理 | 第43-44页 |
| ·试验结果 | 第44-48页 |
| ·训练图集 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| ·总结 | 第48-49页 |
| 第三章 基于上下文的熵编码技术研究 | 第49-74页 |
| ·概述 | 第49-50页 |
| ·算术编码技术简介 | 第50-55页 |
| ·算术编码原理 | 第50-51页 |
| ·算术编码难点 | 第51-54页 |
| ·建模的重要性 | 第54-55页 |
| ·可执行文件的分析 | 第55-61页 |
| ·可执行文件的结构分析 | 第55-59页 |
| ·text 段格式分析 | 第59-61页 |
| ·基于上下文的熵编码模型建立 | 第61-69页 |
| ·基于上下文的熵编码模型系统概述 | 第61-62页 |
| ·基于字节的压缩方法(Byte Compressor) | 第62-65页 |
| ·基于指令的熵编码模型建立 | 第65-69页 |
| ·基于比特的算术编码 | 第69页 |
| ·基于上下文的模型组合 | 第69-72页 |
| ·神经网络简介 | 第69-70页 |
| ·神经网络用在模型间的组合 | 第70-72页 |
| ·试验结果 | 第72-73页 |
| ·总结 | 第73-74页 |
| 第四章 基于上下文的错误检错机制 | 第74-89页 |
| ·概述 | 第74页 |
| ·错误检测方法分析 | 第74-76页 |
| ·原理介绍 | 第74-75页 |
| ·实现细节 | 第75-76页 |
| ·冗余因子方案总结 | 第76页 |
| ·H.264 CABAC 分析 | 第76-80页 |
| ·二值化 | 第77-78页 |
| ·上下文建模 | 第78页 |
| ·上下文模型内部索引关系 | 第78-79页 |
| ·上下文模型估计类型 | 第79-80页 |
| ·H.264 CABAC 内基于上下文的错误检测机制 | 第80-86页 |
| ·框架概述 | 第80-81页 |
| ·CABAC 里的算术编码 | 第81-83页 |
| ·标记位的选择 | 第83-84页 |
| ·标记符号位的选择 | 第84页 |
| ·理论分析 | 第84-86页 |
| ·试验结果 | 第86-88页 |
| ·不同内容的图像的增长大小比较 | 第86-87页 |
| ·不同网络传输环境下该算法与其他算法的比较 | 第87-88页 |
| ·总结 | 第88-89页 |
| 第五章 本文工作总结及对未来的展望 | 第89-91页 |
| ·全文总结 | 第89页 |
| ·工作展望 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间发表的论文 | 第96-97页 |
| 附录 A | 第97-108页 |