基于感兴趣区域的HEVC优化算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1. 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容及结构 | 第12-13页 |
| 2. HEVC编码标准与深度采集设备Kinect | 第13-19页 |
| 2.1 视频编码的发展历程 | 第13-14页 |
| 2.2 HEVC的关键编码技术 | 第14-17页 |
| 2.2.1 编码树单元划分 | 第14-16页 |
| 2.2.2 帧内预测 | 第16页 |
| 2.2.3 帧间预测 | 第16页 |
| 2.2.4 变换量化 | 第16-17页 |
| 2.2.5 熵编码 | 第17页 |
| 2.3 Kinect简介 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3. 感兴趣区域二值表示 | 第19-28页 |
| 3.1 智能视频监控 | 第19-20页 |
| 3.2 深度图像简介 | 第20-22页 |
| 3.2.1 Kinect深度图像 | 第20-22页 |
| 3.2.2 立体视频深度图像 | 第22页 |
| 3.3 背景提取算法 | 第22-24页 |
| 3.3.1 中值滤波法 | 第22-23页 |
| 3.3.2 混合高斯模型法 | 第23页 |
| 3.3.3 Surendra算法 | 第23-24页 |
| 3.3.4 背景提取结果与分析 | 第24页 |
| 3.4 感兴趣区域二值化 | 第24-26页 |
| 3.4.1 基于深度信息的二值化 | 第24-26页 |
| 3.4.2 背景差分二值化 | 第26页 |
| 3.5 本章小结 | 第26-28页 |
| 4. 基于感兴趣区域的CU快速划分算法 | 第28-38页 |
| 4.1 HEVC中CU的划分算法 | 第28-30页 |
| 4.2 基于感兴趣区域的CU快速划分算法 | 第30-31页 |
| 4.3 实验结果与分析 | 第31-37页 |
| 4.3.1 评价方法 | 第32页 |
| 4.3.2 快速划分算法结果分析 | 第32-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5. 基于感兴趣区域的熵编码优化算法 | 第38-47页 |
| 5.1 HEVC熵编码技术原理 | 第38-40页 |
| 5.2 HEVC熵编码优化算法 | 第40-43页 |
| 5.2.1 基于信息熵的感兴趣区域判断 | 第41-42页 |
| 5.2.2 基于感兴趣区域的率失真优化算法 | 第42-43页 |
| 5.3 仿真结果及性能分析 | 第43-46页 |
| 5.4 本章小结 | 第46-47页 |
| 6. 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 附录：硕士研究生阶段学术成果 | 第53-54页 |
| 致谢 | 第54页 |
