基于压缩感知的分布式视频编解码研究 | |
论文目录 | |
摘要 | 第1-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-17页 |
1.1 研究背景与研究意义 | 第9-11页 |
1.2 研究现状及发展态势 | 第11-14页 |
1.3 主要内容及结构安排 | 第14-17页 |
1.3.1 本文的主要工作 | 第14-15页 |
1.3.2 本文的结构安排 | 第15-17页 |
第二章 压缩感知与分布式视频编解码技术 | 第17-30页 |
2.1 分布式视频编解码技术 | 第17-22页 |
2.1.1 分布式信源编码理论 | 第17-20页 |
2.1.2 分布式视频编码系统 | 第20-22页 |
2.2 压缩感知技术 | 第22-26页 |
2.2.1 压缩采样理论 | 第22-23页 |
2.2.2 压缩感知数学模型 | 第23-26页 |
2.3 分布式视频压缩感知编码 | 第26-29页 |
2.3.1 分布式视频信道编码与压缩感知编码 | 第26-28页 |
2.3.2 DCVS系统框架及主要评价指标 | 第28-29页 |
2.4 本章小结 | 第29-30页 |
第三章 改进DCVS稀疏边信息生成算法研究 | 第30-43页 |
3.1 传统边信息生成算法分析 | 第30-34页 |
3.1.1 基于块的运动估计 | 第31-33页 |
3.1.2 运动估计初始边信息生成算法 | 第33-34页 |
3.2 改进稀疏边信息生成算法 | 第34-40页 |
3.2.1 K-SVD字典学习 | 第34-36页 |
3.2.2 运动估计双重均值字典学习边信息生成算法 | 第36-40页 |
3.3 DCVS边信息生成算法仿真与分析 | 第40-42页 |
3.4 本章小节 | 第42-43页 |
第四章 DCVS系统信号重构算法研究 | 第43-56页 |
4.1 压缩感知信号重构算法数学模型 | 第43-44页 |
4.2 传统稀疏重构算法分析 | 第44-49页 |
4.2.1 匹配追踪算法MP | 第45-46页 |
4.2.2 正交匹配追踪算法OMP | 第46-48页 |
4.2.3 压缩感知匹配追踪算法CoSaMP | 第48-49页 |
4.3 基于多矢量稀疏贝叶斯学习的信号处理 | 第49-53页 |
4.3.1 贝叶斯学习数学模型 | 第49-50页 |
4.3.2 MSBL算法重构的应用 | 第50-53页 |
4.4 稀疏重构算法仿真与分析 | 第53-55页 |
4.5 本章小结 | 第55-56页 |
第五章 基于压缩感知的分布式视频编解码仿真与分析 | 第56-69页 |
5.1 系统基本模块原型方案设计 | 第56-63页 |
5.1.1 系统基本原型方案设计 | 第56-57页 |
5.1.2 压缩采样测量矩阵选定 | 第57-61页 |
5.1.3 压缩采样采样率设定 | 第61-63页 |
5.2 系统整体仿真与分析 | 第63-68页 |
5.2.1 系统仿真方案设计 | 第63-64页 |
5.2.2 边信息算法与重构算法仿真与分析 | 第64-68页 |
5.3 本章小结 | 第68-69页 |
第六章 总结及展望 | 第69-71页 |
6.1 全文总结 | 第69-70页 |
6.2 后续工作展望 | 第70-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-75页 |
本篇论文共75页,点击
这进入下载页面 |
|
Copyright(C) All Rights Reserved |
客服QQ:304386486 |
目录由用户 len11** 提供,作者删除入口请点击这里 |