| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的研究内容及创新之处 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 2 深度视频编码技术研究 | 第17-33页 |
| 2.1 深度视频彩集 | 第17-18页 |
| 2.2 基于 3D-HEVC的深度视频编码技术研究 | 第18-31页 |
| 2.2.1 基于 3D-HEVC的深度视频编码预测结构 | 第18-21页 |
| 2.2.2 深度视频帧内编码技术 | 第21-25页 |
| 2.2.3 深度视频帧间编码技术 | 第25-31页 |
| 2.3 基于MVD信号的虚拟视点绘制技术 | 第31-32页 |
| 2.4 MVD信号显示技术 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于多类支持向量机的深度视频帧内编码快速算法 | 第33-41页 |
| 3.1 基于多类支持向量机的LCU尺寸预测 | 第33-36页 |
| 3.1.1 MSVM模型的特征提取 | 第33-34页 |
| 3.1.2 基于MSVM的LCU分割深度预测 | 第34-35页 |
| 3.1.3 MSVM模型的离线训练过程 | 第35-36页 |
| 3.2 基于MSVM模型的算法流程图 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于贝叶斯理论的深度视频帧间编码快速算法 | 第41-54页 |
| 4.1 Bayesian理论的LCU分割深度预测 | 第41-45页 |
| 4.1.1 贝叶斯模型的特征选取与分析 | 第41-42页 |
| 4.1.2 基于Bayesian理论的LCU分割深度预测 | 第42-43页 |
| 4.1.3 贝叶斯模型的离线训练过程 | 第43-45页 |
| 4.2 模式决定 | 第45-47页 |
| 4.2.1 LCU模式决策 | 第45-46页 |
| 4.2.2 Skip模式决策 | 第46-47页 |
| 4.3 基于Bayesian模型的算法流程图 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 基于运动一致性的深度视频帧间编码快速算法 | 第54-64页 |
| 5.1 区域分割 | 第54-56页 |
| 5.1.1 彩色视频区域分割 | 第54-55页 |
| 5.1.2 深度视频分割 | 第55-56页 |
| 5.1.3 区域分割结果图 | 第56页 |
| 5.2 编码策略有效性验证 | 第56-59页 |
| 5.2.1 TMDM与TSDM区域的编码策略有效性 | 第56-57页 |
| 5.2.2 TSDM和DS区域的编码策略有效性 | 第57-59页 |
| 5.3 基于运动一致性的算法流程图 | 第59-60页 |
| 5.4 实验结果及分析 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结和展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64页 |
| 6.2 下一步工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录A 测试序列 | 第70-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |
