基于ROI和JND的3D视频编码研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.2.1 基于JND的视频编码 | 第12-13页 |
| 1.2.2 基于ROI的视频编码 | 第13页 |
| 1.2.3 国内外研究现状总结 | 第13-14页 |
| 1.3 本文的主要研究内容与结构 | 第14-16页 |
| 2 3D视频编码基础及人类视觉系统 | 第16-23页 |
| 2.1 3D视频编码基础 | 第16-18页 |
| 2.2 人类视觉特性 | 第18-20页 |
| 2.3 基于视觉特性的视频编码 | 第20-21页 |
| 2.4 图像质量评价 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于深度的ROI模型研究 | 第23-56页 |
| 3.1 引言 | 第23页 |
| 3.2 基于深度的立体投影显著性算法 | 第23-32页 |
| 3.2.1 简介 | 第23-26页 |
| 3.2.2 三维重建和立体投影 | 第26-28页 |
| 3.2.3 投影图像的处理 | 第28-29页 |
| 3.2.4 深度显著图和3D显著图的生成 | 第29-30页 |
| 3.2.5 实验结果及分析 | 第30-32页 |
| 3.3 基于背景检测显著性算法 | 第32-55页 |
| 3.3.1 简介 | 第33-35页 |
| 3.3.2 基本概念 | 第35-38页 |
| 3.3.3 颜色显著图 | 第38-43页 |
| 3.3.4 深度显著图的计算 | 第43-47页 |
| 3.3.5 显著图的融合 | 第47页 |
| 3.3.6 实验结果及分析 | 第47-55页 |
| 3.4 本章小结 | 第55-56页 |
| 4 3D场景下的JND模型研究 | 第56-62页 |
| 4.1 目前常见的JND模型 | 第56页 |
| 4.2 基于DCT变换的JND模型 | 第56-57页 |
| 4.3 改进的3D-JND模型 | 第57-59页 |
| 4.3.1 MJND | 第58页 |
| 4.3.2 TJND | 第58页 |
| 4.3.3 DJND | 第58-59页 |
| 4.4 实验结果及分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 基于ROI和JND的3D视频编码 | 第62-69页 |
| 5.1 引言 | 第62页 |
| 5.2 基于ROI和JND的精细分级量化策略 | 第62-64页 |
| 5.3 实验结果及分析 | 第64-68页 |
| 5.4 本章小结 | 第68-69页 |
| 6 结论 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 学位论文数据集 | 第80页 |
