| 内容提要 | 第1-8页 |
| 第一章 绪论 | 第8-16页 |
| ·纹理合成 | 第8-11页 |
| ·二维纹理合成 | 第9-10页 |
| ·曲面纹理合成 | 第10-11页 |
| ·视频纹理合成 | 第11页 |
| ·视频时域分割 | 第11-15页 |
| ·特征提取与测量准则 | 第12-13页 |
| ·镜头边界的检测 | 第13-15页 |
| ·本文工作 | 第15-16页 |
| 第二章 应用粒子群优化基于像素的纹理合成方法 | 第16-28页 |
| ·粒子群优化算法 | 第17-21页 |
| ·粒子群优化的数学描述 | 第17-18页 |
| ·粒子群优化的算法流程 | 第18-19页 |
| ·粒子群优化中的社会认知行为分析 | 第19页 |
| ·粒子群优化的全局模型与局部模型 | 第19-20页 |
| ·粒子群优化的同步模式与异步模式 | 第20页 |
| ·粒子群优化算法的收敛性分析 | 第20-21页 |
| ·粒子群优化算法在基于像素纹理合成中的应用 | 第21-24页 |
| ·定义粒子的属性 | 第23页 |
| ·粒子的适应值 | 第23页 |
| ·算法终止的条件 | 第23-24页 |
| ·算法过程的描述 | 第24页 |
| ·算法分析与对比 | 第24-27页 |
| ·粒子数分析 | 第24-25页 |
| ·最大迭代次数分析 | 第25页 |
| ·与其他算法比较 | 第25-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 应用遗传算法的视频纹理合成方法 | 第28-44页 |
| ·基于跳变的视频纹理合成算法 | 第28-30页 |
| ·遗传算法 | 第30-35页 |
| ·遗传算法的基本原理 | 第31-33页 |
| ·遗传算法的数学机理 | 第33-35页 |
| ·遗传算法的特点 | 第35页 |
| ·应用遗传算法合成视频纹理 | 第35-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·实验结果 | 第37-39页 |
| ·种群大小分析 | 第39页 |
| ·最大遗传代数分析 | 第39-40页 |
| ·与其它算法的比较 | 第40页 |
| ·算法的改进 | 第40-42页 |
| ·相似性尺度的选取 | 第40-41页 |
| ·应用分段遗传算法合成视频纹理 | 第41-42页 |
| ·与改进前方法的比较 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于PSO 分类器的镜头边界检测算法 | 第44-60页 |
| ·特征提取和测量准则 | 第45-48页 |
| ·数据分类算法 | 第48-51页 |
| ·数据分类算法的归类 | 第48-49页 |
| ·近邻学习算法 | 第49-51页 |
| ·基于PSO 分类器的镜头边界检测 | 第51-53页 |
| ·实验结果与分析 | 第53-58页 |
| ·实验结果 | 第53-58页 |
| ·PSO 算法中的参数分析 | 第58页 |
| ·本章小结 | 第58-60页 |
| 第五章 基于方向经验模式分解的镜头边界检测算法及其在视频水印中的应用 | 第60-80页 |
| ·数字水印技术 | 第60-64页 |
| ·数字水印的分类 | 第61-62页 |
| ·视频水印算法 | 第62-64页 |
| ·基于DEMD 的镜头边界检测算法 | 第64-73页 |
| ·方向经验模式分解 | 第64-67页 |
| ·方向经验模式分解在镜头边界检测中的应用 | 第67-69页 |
| ·运动补偿 | 第69页 |
| ·检测算法的实验结果 | 第69-73页 |
| ·独立分量分析 | 第73-75页 |
| ·水印的嵌入与提取 | 第75-79页 |
| ·水印的嵌入 | 第75-76页 |
| ·水印的提取 | 第76-77页 |
| ·视频水印实验结果 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-83页 |
| 参考文献 | 第83-93页 |
| 致谢 | 第93-95页 |
| 作者攻读博士期间发表的论文情况 | 第95-97页 |
| 学位论文摘要（中文） | 第97-101页 |
| 学位论文摘要（英文） | 第101-104页 |