| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题的研究背景和意义 | 第12-13页 |
| 1.2 多视点纹理+深度立体视频概述 | 第13-16页 |
| 1.2.1 三维视频内容获取 | 第13-14页 |
| 1.2.2 深度图的概念和特点 | 第14-15页 |
| 1.2.3 虚拟视点合成技术 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 课题研究内容 | 第18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 2 基于块级熵的深度图自适应采样框架 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 基于块级熵的深度图自适应采样框架总体方案 | 第20-25页 |
| 2.2.1 块级熵的概念 | 第20-21页 |
| 2.2.2 上采样算法 | 第21-22页 |
| 2.2.3 采样率的自适应分配 | 第22-25页 |
| 2.3 实验结果及分析 | 第25-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于熵分类字典学习的分布式压缩感知视频编码 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 分布式压缩感知视频编码系统 | 第33-35页 |
| 3.2.1 分布式视频编码 | 第33页 |
| 3.2.2 压缩感知原理 | 第33-35页 |
| 3.3 基于熵分类字典学习的分布式压缩感知视频编码总体方案 | 第35-38页 |
| 3.3.1 KSVD字典学习算法概念 | 第35-36页 |
| 3.3.2 基于熵分类字典学习算法的DCVS | 第36-38页 |
| 3.4 实验结果及分析 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 分布式压缩感知视频编码的动态GOP分组算法研究 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 固定GOP分组的局限性以及动态GOP分组的研究现状 | 第44-46页 |
| 4.2.1 固定GOP的局限性 | 第44-46页 |
| 4.2.2 动态GOP分组的研究现状 | 第46页 |
| 4.3 分布式压缩感知视频编码的动态GOP分组算法研究 | 第46-50页 |
| 4.4 实验结果 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 总结和展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第59-61页 |
| 学位论文数据集 | 第61页 |
