| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 课题研究背景及意义 | 第14-16页 |
| 1.2 相关领域国内外研究现状 | 第16-22页 |
| 1.2.1 自由视点视频发展与现状 | 第16-18页 |
| 1.2.2 深度图像处理及编码 | 第18-20页 |
| 1.2.3 压缩感知及其研究现状 | 第20-22页 |
| 1.3 研究内容和论文结构 | 第22-25页 |
| 1.3.1 主要研究内容 | 第22-24页 |
| 1.3.2 论文结构安排 | 第24-25页 |
| 第二章 基本概念及模型 | 第25-43页 |
| 2.1 图像压缩感知 | 第25-32页 |
| 2.1.1 传统图像采样与压缩 | 第25-26页 |
| 2.1.2 图像压缩感知模型 | 第26-27页 |
| 2.1.3 图像压缩采样 | 第27-29页 |
| 2.1.4 图像重建算法 | 第29-32页 |
| 2.2 自由视点视频系统 | 第32-37页 |
| 2.2.1 自由视点视频系统架构 | 第32-34页 |
| 2.2.2 自由视点视频编码系统 | 第34-37页 |
| 2.3 深度图像 | 第37-42页 |
| 2.3.1 深度图像的特性 | 第37-38页 |
| 2.3.2 深度图像失真影响 | 第38-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第三章 面向深度图像自适应多级分块压缩感知采样及重建算法研究 | 第43-70页 |
| 3.1 引言 | 第43-44页 |
| 3.2 深度图像稀疏表示 | 第44-51页 |
| 3.2.1 常用图像稀疏表示模型 | 第45-48页 |
| 3.2.2 深度图像最优稀疏表示方法 | 第48-51页 |
| 3.3 自适应多级分块压缩感知深度图像采样及重建 | 第51-61页 |
| 3.3.1 多级自适应采样策略 | 第52-58页 |
| 3.3.2 深度图像恢复算法 | 第58-61页 |
| 3.4 实验结果与分析 | 第61-69页 |
| 3.4.1 实验设置 | 第61-63页 |
| 3.4.2 参数设定 | 第63-64页 |
| 3.4.3 客观质量评价 | 第64-66页 |
| 3.4.4 主观质量评价 | 第66-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第四章 联合深度序列时空特征的分布式压缩感知系统研究 | 第70-91页 |
| 4.1 引言 | 第70-71页 |
| 4.2 分布式视频编码模型 | 第71-73页 |
| 4.3 分布式压缩感知模型 | 第73-78页 |
| 4.4 联合时空特性分布式深度序列压缩感知系统设计 | 第78-86页 |
| 4.4.1 编码系统设计 | 第79-80页 |
| 4.4.2 解码系统设计 | 第80-84页 |
| 4.4.3 参考预测模式选择 | 第84-86页 |
| 4.5 实验结果与分析 | 第86-90页 |
| 4.6 本章小结 | 第90-91页 |
| 第五章 自由视点视频编码系统优化 | 第91-129页 |
| 5.1 引言 | 第91-92页 |
| 5.2 自由视点视频编码系统 | 第92-94页 |
| 5.3 基于HEVC快速纹理编码系统优化 | 第94-110页 |
| 5.3.1 HEVC编码框架简介 | 第95-96页 |
| 5.3.2 基于HEVC快速帧内模式选择算法 | 第96-104页 |
| 5.3.3 实验结果与分析 | 第104-110页 |
| 5.4 面向深度图像分布式压缩感知边信息预测优化 | 第110-128页 |
| 5.4.1 边信息预测模型 | 第112-113页 |
| 5.4.2 多尺度边界保护深度图像边信息预测 | 第113-119页 |
| 5.4.3 实验结果与分析 | 第119-128页 |
| 5.5 本章小结 | 第128-129页 |
| 第六章 总结与展望 | 第129-133页 |
| 6.1 总结 | 第129-131页 |
| 6.2 展望 | 第131-133页 |
| 参考文献 | 第133-148页 |
| 作者在攻读博士学位期间完成的主要工作 | 第148-150页 |
| 致谢 | 第150-151页 |
