| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-18页 |
| 1.2 论文的研究内容 | 第18-19页 |
| 1.3 论文的组织结构 | 第19-21页 |
| 第二章 VP9视频编码技术 | 第21-37页 |
| 2.1 VP9概述 | 第21页 |
| 2.2 VP9视频编码器框架 | 第21-23页 |
| 2.3 VP9的图像分割技术 | 第23-27页 |
| 2.3.1 tile并行 | 第24-25页 |
| 2.3.2 编码单元 | 第25-26页 |
| 2.3.3 预测单元 | 第26页 |
| 2.3.4 变换单元 | 第26-27页 |
| 2.3.5 分段 | 第27页 |
| 2.4 VP9的预测编码技术 | 第27-33页 |
| 2.4.1 帧内预测 | 第28-29页 |
| 2.4.2 帧间预测 | 第29-33页 |
| 2.5 VP9的变换、量化编码技术 | 第33-34页 |
| 2.5.1 变换编码 | 第33页 |
| 2.5.2 量化 | 第33-34页 |
| 2.6 VP9的环路滤波技术 | 第34页 |
| 2.7 VP9的熵编码技术 | 第34-35页 |
| 2.8 本章小结 | 第35-37页 |
| 第三章 基于BP网络的CU模式选择快速算法 | 第37-59页 |
| 3.1 引言 | 第37页 |
| 3.2 编码块特征向量提取 | 第37-43页 |
| 3.2.1 CU模式划分影响因素分析 | 第38-40页 |
| 3.2.2 特征向量的选择与提取 | 第40-43页 |
| 3.3 训练样本预处理 | 第43-44页 |
| 3.4 BP网络模型及设计 | 第44-52页 |
| 3.4.1 神经元模型 | 第44-46页 |
| 3.4.2 网络拓扑结构 | 第46页 |
| 3.4.3 BP算法及改进 | 第46-48页 |
| 3.4.4 BP神经网络建模 | 第48-52页 |
| 3.5 基于BP网络的CU模式选择快速算法 | 第52-54页 |
| 3.5.1 超级块最优划分模式快速预测 | 第52-53页 |
| 3.5.2 各层CU划分模式预判决 | 第53-54页 |
| 3.6 算法实验结果与分析 | 第54-58页 |
| 3.6.1 实验环境 | 第54-55页 |
| 3.6.2 实验结果与分析 | 第55-58页 |
| 3.7 本章小结 | 第58-59页 |
| 第四章 基于BP网络的CU划分复杂度自适应控制算法 | 第59-81页 |
| 4.1 引言 | 第59-60页 |
| 4.2 基于BP网络的CU预判决模式置信度获取 | 第60-64页 |
| 4.2.1 各分类器输出模式的置信度获取 | 第60-62页 |
| 4.2.2 模式置信度与预判决准确率一致性分析 | 第62-64页 |
| 4.3 基于BP网络输出生成的超级块划分模式候选集 | 第64-73页 |
| 4.3.1 控制参数Threshold的引入 | 第65-66页 |
| 4.3.2 控制向量表THR的建立 | 第66-68页 |
| 4.3.3 基于控制参数THR生成的超级块划分模式候选集 | 第68-69页 |
| 4.3.4 帧级控制参数THR的动态选取 | 第69-73页 |
| 4.4 算法实验结果与分析 | 第73-79页 |
| 4.4.1 实验环境 | 第73-74页 |
| 4.4.2 实验结果与分析 | 第74-79页 |
| 4.5 本章小结 | 第79-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
