一、运动图像的压缩编码技术（论文文献综述）
史启盟[1]（2021）在《高速运动物体图像识别与压缩方法研究》文中研究说明运动物体视频图像包含着许多重要的信息数据,而高速运动物体由于速度较快,其运动图像存在采集失真、处理复杂以及分析效果差等方面的问题。本课题以高速运动物体为研究对象,分别进行了图像识别与图像压缩方法的研究,并选取实际工业中的3D打印机高速移动激光点红外图像和高速运动固定翼无人机视频图像分别进行了算法验证及结果分析。主要研究内容如下:（1）分析了高速运动物体图像特征及图像识别过程,提出了基于改进卷积神经网络的高速运动物体图像识别方法。根据高速运动物体运动速度快导致的成像模糊,使得传统的图像识别方法人为提取图像特征困难的问题,采用基于卷积神经网络（CNN）的深度学习方法进行图像识别研究,并针对现有的CNN方法存在的训练效率差、准确率低的问题设计了相关改进方案来提高图像识别的快速性和准确性。（2）针对3D打印机高速移动激光点红外图像进行图像识别研究,分别建立了CNN和改进CNN两种激光点图像识别模型,对两种模型进行对比分析,实验结果表明改进后的CNN模型大大提高了识别效率和准确率;最后利用改进后的CNN模型进行激光中心点温度预测,在误差范围内取得了很好的预测结果。（3）研究了高速运动物体视频图像冗余信息,提出了基于帧内编码和帧间预测结合的高速运动物体视频压缩方法。以静态图像压缩为基础,在传统BP神经网络的基础上加入小波变换的方法进行图像压缩以减少帧内的空间冗余信息,同时针对高速运动物体的视频序列进行了运动信息补偿从而减少帧间的时间冗余信息,最终重构后的视频在保证关键运动信息的前提下大大减少视频数据量。（4）针对高速运动固定翼无人机视频进行图像压缩研究,先对单帧的无人机运动图像进行基于小波变换和神经网络结合的帧内有损压缩,再对压缩后的无人机序列进行基于运动估计和运动补偿的帧间预测编码,最后对压缩前后的无人机运动视频进行目标跟踪和视频传输效果方面的对比分析,结果表明该压缩系统在保留无人机运动信息的情况下可以大大减少冗余数据信息,提高传输效率。
操照君[2]（2019）在《面向VSN的分布式视频编码技术研究》文中研究表明随着物联网和“智慧城市”的兴起,传统无线传感器网络获取的标量数据已经不能满足应用需求,逐渐过渡到图像视频等多媒体数据的获取。因此,视频传感器网络（Video Sensor Network,VSN）应运而生。视频传感器网络广泛应用于交通、安保以及环境保护等多个领域,它在帮助人们采集大量视频信息资源的同时,也给数据存储和网络传输带来了巨大压力。为了解决这个问题,需要采用视频压缩技术。与传统视频应用场景相比,视频传感器网络的新视频应用场景具有不同的特点:它具有大量的视频传感器节点,存储容量有限,数据处理能力低,电池容量有限。传统的视频编码方法大都是高复杂度编码、低复杂度解码,这种传统的视频编码方法很难在传感器节点上实现,难以在视频传感器网络中应用。如果把未压缩的原始视频数据传输到中心服务器,再用传统的高复杂度编码的视频编码方法来压缩,其传输过程将消耗大量的带宽和能量,这与视频压缩的初衷不一致。故新的视频传感器网络应用场景需要有低复杂度编码和高复杂度解码、压缩效率更高和压缩性能更好的视频压缩方法。解码方面,高复杂度的解码,可以将编码过的视频发送到管理中心以在中央服务器或PC上进行解码。鉴于此,本文采用了改进的基于网格编码量化的分布式视频编码方法来进行视频编码压缩。本文结合了视频传感器网络的特点、视频应用场景和最终应用目的,研究了如何对视频传感器网络产生的视频数据进行压缩。研究的工作重点是先对前景运动物进行提取,实现前景运动物和背景的分离;然后,前景运动对象采用基于网格编码量化的分布式视频编码来进行视频压缩,背景进行一般的高压缩比的帧内压缩。本文主要从以下几个方面进行了研究:（1）根据视频传感器网络的数据特点,采用背景差分法来实现前景运动物的实时检测。（2）分析常用的建模方法,对混合高斯模型进行优化与改进,用改进的混合高斯背景建模方法来构建视频的参考背景。（3）先是对背景噪声的特点进行分析,然后采用了一种基于宏块分类的检测方法,来实现前景运动目标区域的初步确定,对不确定的宏块利用背景噪声模型来进行精确的检测。最后,利用宏块分类的结果来构建纯背景图像和提取运动目标。（4）在原有的PRISM框架上,引入网格编码量化对分布式视频编码算法进行优化与改进。然后,用这种改进的分布式视频压缩编码算法,来对前景运动物视频数据进行压缩。通过实验分析与比较,对本论文设计的面向VSN的分布式视频编码技术的性能进行了验证,从实验结果可以看到:本论文设计的视频编码技术比原有的MPEG-4编码方法压缩性能更好,压缩后数据量更少。此外,压缩后的视频帧图像中,前景运动物图像重建图像质量良好,保真度高,没有失真现象;背景图像存在一定的失真,产生了块状现象。对于监控视频而言,参考背景的失真可以忽略,只要不影响前景运动物区域的视觉效果和后续研究即可。
李永军[3]（2017）在《图像与视频低复杂度压缩算法研究》文中研究指明图像和视频是与人感官最密切的信息载体,而网络通信、大规模集成电路以及传感器等技术的飞速发展和人们生活、娱乐、学习和科研等需求的快速提升,不但使人们获取图像和视频的方式日益增多,也使图像和视频的空间、时间和谱间等分辨率及量化深度不断提高,从而导致数据量迅速增加。无论从设备更新速度还是经济条件的角度,单靠硬件的支持已经不能满足实际需要,而有效的解决方法之一就是通过低复杂度的图像和视频压缩减少数据量,节省存储空间和传输带宽。而图像和视频压缩技术逐渐成熟和标准化使得海量的压缩数据广泛存在,如何从这些压缩的大数据中直接挖掘出需要的信息,实现压缩域图像和视频的快速再压缩,以便满足不同应用场景对不同码率的需求,已经成为人们研究的一个热点。直接在图像和视频压缩域进行快速再压缩,既可以省去“解压缩-再压缩”的复杂过程也可以避免压缩域已存在信息的重复计算,从而大大提高快速再压缩的整体性和实时性。由于前端压缩器已经很大程度上消除了图像和视频的冗余,在再编码过程中,如果仍然采用针对整幅图像无差别的再压缩方法,很难满足实际需求,因此,基于显着性感知的视频图像压缩域再压缩系统逐渐受到了人们的关注,而在该系统中压缩域的显着性检测是关键。本论文围绕图像和视频压缩技术进行研究,主要包括图像和视频低复杂度压缩算法研究和服务于基于显着性感知的压缩域快速再压缩的显着性检测算法研究,具体工作概括如下:一,JPEG2000由于采用具有良好时频特性的DWT取代了传统DCT,在编码效率和复原图像质量上均远优于JPEG等传统压缩算法。但已有的JPEG2000算法,多是在单小波子带采样的基础上进行改进和完善,具有复杂度高、能量分散的缺点。针对该问题,本文采用以具有自仿映射性的三角区域为支撑区间,以其上的常数函数为尺度函数构建的具有对称、紧支、正交的双正交不变集多小波滤波器取代JPEG2000框架下的单小波滤波器。实验证明该双正交不变集多小波滤波器用于图像压缩具有算法复杂度低、变换后能量和熵集中程度高、无分块效应以及便于并行计算等优点。二,高光谱图像以其高度的图谱合一特性被广泛应用于农业、工业和军事等领域,而分布式信源编码是符合高光谱图像数据特点的有效压缩方法。但已有的分布式高光谱图像无损压缩算法主要强调了谱间相关性,而忽略了空间相关性。针对该问题,本文给出了基于预测误差分块和多谱段预测的分布式高光谱图像无损压缩算法。该算法把高光谱图像每个16×16像素块的预测误差分成4×4的预测误差子块,每个4×4预测误差子块传输的比特率由该子块最大的预测误差来决定,并采用多元陪集编码方法进行压缩编码。这样可以充分利用高光谱图像的局部相关性,而且不必增加额外信息,从而降低传输比特率。实验结果表明,该方法具有较好的压缩性能、较低的编码复杂度和高度的并行性,非常有利于卫星在轨压缩。三,图像和视频压缩算法的逐步成熟和标准化使得海量的压缩数据广泛存在,如何从压缩的图像和视频流中提出有用的信息进行再压缩是一个新的研究热点。本文提出了一种基于预测残差DCT系数范数（RDCN）和操作块描述长度（OBDL）的快速高效显着点检测模型,为压缩域基于显着性感知的再压缩技术服务。直接提取于部分解码的RDCN特征和OBDL特征分别归一化后,进行空域和时域滤波得到SRDCN和OBDL特征映射图。然后,使用随着量化参数变化的融合系数对SRDCN和OBDL特征映射图进行融合。最后,采用高斯模型进行显着性增强和非显着性抑制。该显着点检测模型集成了像素域显着性检测的有效性和压缩域显着性检测的实时性。实验表明该模型具有比目前显着点检测模型更高的检测准确度,而且速度比同类算法快10倍以上,非常适合于压缩视频流再压缩或转码以及嵌入式的相机实时显着性检测。四,图像和视频基于分块的压缩算法决定了压缩域中提取的显着性检测特征具有局域性,而显着性不但具有局域性也具有全局性。针对该问题,本文提出了基于预测残差离散余弦变换系数（RDCN）范数和马尔可夫场（MRF）的视频图像压缩域显着点检测模型。RDCN特征直接提取于部分解码的压缩视频,该特征经过归一化、时空滤波后（SRDCN图）,被送到MRF模型,并得到优化的二进制标签图。根据标签图和中心显着图,对SRDCN图进行显着性增强和非显着性抑制,最终得到SRDCN-MRF显着图,完成视频图像压缩域的人类关注点检测。与相似的MRF模型相比,不但改进了已经存在的能量函数,并且引进了表示关注点位置信息的新的能量函数。这些改进有利于进一步提高显着性检测精度并降低计算复杂度。在两个通用的具有标定的数据库上,通过多个精度检测标准对该模型进行验证和比较。实验结果表明所提出的显着性检测模型和现有最新的压缩域和像素域的模型相比具有较好的效果,与同类模型相比该模型的计算复杂度降低超过26%。
邢移单[4]（2014）在《基于压缩感知的图像编码技术研究》文中指出在信息大爆炸的当今社会,图像作为信息最直观最有效的反映之一,使得对图像信息的处理成为一项紧迫且重要的任务。数字图像信息纷繁复杂数据量大,势必会对传输信道及存储设备等有了更高的要求。人们对图像压缩编码技术的研究,就是为了解决这种大数据量带来的传输压力,具有深远的意义。压缩感知（Compressed Sensing, CS）可以以远低于传统Nyquist定理要求的采样速率进行采样在缓解了太高速率的压力的同时,也可以完全确保重构信号时所需要的全部信息。压缩感知将信号的采样和压缩同时进行,有效的避免了在初始采样阶段就产生大量冗余信息,浪费空间资源。本文在对压缩感知理论中的稀疏表示、线性测量、重构算法三部分内容研究的基础上,对比分析了其核心内容重构算法中的几类经典算法,匹配追踪算法、正交匹配追踪及子空间追踪算法等。并通过仿真实验对比分析了各算法的重构性能。重构算法是图像解码和恢复的关键,本文通过分析和改进梯度投影重构算法,设计出了基于TV1112的分块梯度投影重构算法。并通过实验仿真,得到了此算法与传统算法中具有较好重构效果的子空间追踪（Subspace Pursuit, SP）算法的对比实验数据,体现了此压缩感知重构算法在重构质量和重构时间上的优越性。为了改进传统图像编码方法存在的问题与不足,在压缩感知理论的基础上建立了矢量量化编码算法模型,根据小波高低频系数携带信息的不同特性,对高低频系数采用不同的编码方式,设计了压缩感知与传统矢量量化算法相结合的混合编码方案-基于压缩感知理论的矢量量化图像编码算法。并对比分析了应用基于压缩感知理论的矢量量化图像编码算法与单独应用矢量量化编码算法对图像进行处理的仿真实验数据及重构效果,结果表明混合编码方案的压缩和重构效果较佳。
王超[5]（2014）在《航天测控网中多类型信息的高效传输研究》文中指出目前国内外有将通用的网络技术应用于航天测控网的现状与趋势,相关研究也逐步深入。本论文在应用层面对航天测控网中多类型信息的高效传输进行研究,针对航天测控网中多类型信息的传输的特点和应用中出现的问题,如关键区域模糊、链路资源分配不当以及适应链路丢包等问题进行了深入研究。论文完成的主要工作如下：（1）提出了基于QoS的多类型信息传输方法。提出了运动图像序列划分方法以及重点区域确定算法,针对运动图像序列的数据流优先级划定进行了改进,利用多种重点区域确定算法来划分运动图像序列。将待传输运动图像序列进行分割,采用目标检测方法标记重点区域,为需要一定服务质量的重点数据流提供了差异化的服务策略。利用路由器流速估计功能和标记功能在接收端对运动图像序列进行了重构。实验表明该传输方法能有效地提高传输质量,保证了多类型信息传输的清晰度,达到了较好的传输效果。（2）对传输方案中次要信息的主动丢弃方法进行了研究。提出了次要信息丢弃的解决方法,根据应用来区分主要信息与次要信息,采用了下采样的方式,丢弃多帧之间的次要帧。该方法可有效地降低网络传输的数据量,提高网络的传输效率。实验表明在削减次要信息后,不仅次要信息不会出现大规模的遗失,也节省了带宽,提高了重要信息流的接收率。在实验中对有次要信息丢弃机制的传输方案和无次要信息丢弃机制的传输方案进行了比较,实验表明了次要信息的丢弃机制的有效性。（3）设计与开发了多类型信息传输方法验证工具,给出了设计过程、实现过程以及部分界面图。
王海巍[6]（2010）在《基于H.264/SVC运动估计算法的研究》文中提出随着数字图像处理技术的发展,应运而生许多数字图像压缩标准。伴随移动通信业务的增加,无线网络除了可以提供语音服务之外,还承载着视频图像数据传输等服务,这势必会带来巨大的数据信息。因此图像压缩编码技术便成为了当今信息科学技术的前沿课题。H.264/SVC可分级编码扩展标准是ISO/IEC组织和ITU针对图像压缩问题而制定的最新高效率图像编解码标准。预测编码可以有效去除在时间域上的冗余信息量,而运动估计则是预测编码的重要环节。运动估计是要在参考帧中找到一个和当前帧图像块的最佳匹配块。研究分析得出,原始运动估计算法在编码器运行中消耗了编码器约85%左右的执行时间。因此,要提高编码器执行速度必须首先提高相应运动估计算法的效率。通过对H.264的多个宏块运动估计分析,优化了一种快速自适应的搜索算法。该算法本质是依据相邻块间的相关性,自适应地选择更为精确的搜索初始点和更小的搜索区域。它可以在保证可靠搜索精度的前提下大幅降低搜索复杂度。采用TMS DM642实验平台进行仿真分析,分别与全搜索算法、钻石法对测试序列的图像质量（PSNR）、搜索点数等参数进行比较,实验证明此算法搜索点数明显少于上述2种算法。对分级编码后的视频流的提取方法进行了优化,通过质量分层的率失真优化码流提取方法,能够更有效减少搜索点的数目,增强编码效率,利于图像进行匹配。将H.264/SVC运动估计算法与数据传输技术进行结合探索,发掘其潜在应用前景。将数字图像压缩技术与无线视频传输、计算机等技术有机结合,对数据传输系统进行一些有意义的探索。将计算机视觉、图像处理技术融合,对数据进行高效压缩,从而大大节省带宽,提高传输效率,结合无线数据通信等技术,实现高效网络化专业管理及高效传输,实现移动终端远程控制。
袁子立,胡世安,孟一鸣,王璀璨[7]（2009）在《视频编码新技术新标准研究》文中进行了进一步梳理随着视频多媒体技术的发展,视频编码技术越来越重要,它是视频多媒体的基础和核心,国内外对这方面的研究也很多。介绍了视频编码的定义、技术以及国内外的视频编码标准,对国产新的视频编码标准AVS进行了技术分析,说明了它提高压缩效率的原因,指出了现今视频编码所存在的问题及发展的方向。
李佳[8]（2009）在《基于VQ的自适应视频压缩算法及FPGA实现》文中进行了进一步梳理图像压缩技术在多媒体技术领域中占有重要的位置。随着多媒体技术和网络的发展,人们对于图像压缩的要求也不断提高。图像分为静止图像和运动图像,运动图像又称为视频。本文提出了一种基于矢量量化的帧内帧间自适应视频压缩算法。将镜头切换或场景突变明显处设为参考帧,使帧间编码严格控制在帧间相关性强的同一组镜头或场景内,以达到自适应的目的。对于帧内编码,也就是静止图像编码,采用矢量量化与像素编码相结合的分类编码技术；帧间编码,即运动图像编码,借鉴运动估计中提取帧间差异的方法,在编码前通过图像块运动性测度将图像块初步分成静止块和运动块,对运动块进行分类编码,对静止块直接进行静止块大区域压缩,以此减少大量的运算成本和提高压缩比。在静止图像编码方面,首先利用旋转取反压缩原理将1024尺寸码书压缩为128尺寸,并设计了与之匹配的码字快速搜索算法,相较于典型的矢量量化算法减少了87.5%的存储空间和87.5%的输入带宽,而图像质量损失很小。其次,针对旋转压缩方法的缺点和平滑图像块的特点,设计了不包含平滑码字的128尺寸码书——NS128码书,和与之匹配的分类编码快速实现算法,大大提高图像的处理速度和视觉效果。在运动图像编码方面,针对运动估计的突出缺点提出了改进算法。首先设计了矢量量化和运动估计相结合的,动态提取运动区域并进行运动估计的帧内帧间自适应编码算法；然后在此算法之上继续改进,设计了基于矢量量化的自适应视频编码算法,并进行了硬件结构设计。该系统在提高计算速度的同时极大的减少了输入数据带宽,在提高压缩率的同时保持了图像的编码质量。通过不同层次的仿真和测试验证,本论文提出的基于矢量量化的视频编码算法的各关键部分的硬件电路设计完全可以满足对视频的实时编码传输,而且有着良好的编码效果。关键字：视频压缩；矢量量化；旋转取反压缩码书；分类编码；硬件实现
闫晶[9]（2008）在《视频会议图像获取和处理技术研究》文中进行了进一步梳理视频会议就是利用多媒体通信网络和多媒体终端,使身处异地的与会者就同一议题参与讨论,与会者不仅可以听到发言者的声音,而且还能看到发言者的图像及背景,同时还可以交流有关议题的数据、文字、图表等信息。这中间必然牵涉到许多相关的视频图像获取和处理问题,如视频图像的捕捉、压缩编码、加密、水印嵌入以及视频图像格式相互转换等等。因此本文以视频会议系统为应用背景,深入研究和详细论述了视频会议图像获取和处理技术,这在科学技术研究和工程应用上都有着积极的意义。首先,本文详细论述了视频图像获取的主要方法、实现方案以及视频图像获取的硬件设备,确定了本文所采取的视频图像获取方案。其次,本文深入研究了视频图像格式转换和视频图像压缩编码这两种视频图像处理技术,并以Visual C++6.0平台和PC机为工具,分别做了视频图像格式转换和视频图像压缩编码的仿真实验。在视频图像格式转换部分,实现了RGB（24位色）与YUV（4:2:0）视频格式之间的转换;在视频图像压缩编码部分,实现了无损压缩编码中的哈夫曼（Huffman）编码和有损压缩编码中的离散余弦变换（DCT）。最后,本文以PC机为硬件环境、以Visual C++6.0为开发工具,结合H.264标准的参考效验模型（JM10.1）设计并实现了H.264标准的编码器,在Visual C++6.0环境下编译运行,对不同的视频序列进行了压缩编码处理,并对压缩编码后的结果进行了分析,充分证明了本文所实现的编码器的优越性能。
曲万刚[10]（2008）在《基于DSP的图像压缩与处理方法研究》文中提出本文主要研究了基于DSP和小波变换技术的图像压缩与解压缩系统的设计。小波变换是一种新兴的图象处理技术,它在变换域能量集中,在人的主观、客观评价良好的条件下可以获得高压缩比。本系统分为压缩和解压缩两部分。选用TI公司的TMS320VC5402作为主控芯片,压缩和解压缩由基于双正交小波（7,9）变换的芯片ADV611完成。压缩部分,用TMS320VC5402完成各个MALLAT子块的量化带宽的计算,数据传输,以及各外围器件的控制;在解压缩部分,也是由TMS320VC5402管理外围器件和数据传输。本文完成了压缩与解压缩的硬件电路设计,并给出了TMS320VC5402的软件设计流程。系统充分利用人眼的视觉特性来减少帧内和帧间的冗余信息,能够消除传统图像编码的方块效应、蚊子效应等现象实现高压缩比,实现高质量的图像编码。
二、运动图像的压缩编码技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、运动图像的压缩编码技术（论文提纲范文）
（1）高速运动物体图像识别与压缩方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像识别研究现状 |
| 1.2.2 图像压缩研究现状 |
| 1.2.3 高速运动物体研究现状 |
| 1.3 课题主要内容和结构 |
| 2 高速运动物体图像识别方法 |
| 2.1 高速运动物体图像特征分析 |
| 2.2 图像识别过程 |
| 2.3 基于卷积神经网络的图像识别 |
| 2.3.1 卷积神经网络基本结构 |
| 2.3.2 卷积神经网络参数训练 |
| 2.3.3 卷积神经网络图像识别流程 |
| 2.4 卷积神经网络改进方法 |
| 2.4.1 网络结构改进 |
| 2.4.2 标准化和正则化 |
| 2.4.3 多层特征融合 |
| 2.5 本章小结 |
| 3 基于卷积神经网络的高速移动激光点图像识别 |
| 3.1 3D打印激光束特点分析 |
| 3.2 激光点图像数据采集系统设计 |
| 3.2.1 红外图像采集装置 |
| 3.2.2 红外摄像头采集模块 |
| 3.2.3 串口数据传输模块 |
| 3.2.4 激光温度数据采集过程 |
| 3.3 激光点红外图像识别过程 |
| 3.3.1 激光图像识别流程 |
| 3.3.2 图像数据预处理 |
| 3.3.3 数据集制作及参数设置 |
| 3.3.4 CNN及改进CNN模型 |
| 3.3.5 模型训练及结果分析 |
| 3.4 激光中心点温度预测 |
| 3.4.1 测试集处理 |
| 3.4.2 预测结果及实验分析 |
| 3.5 本章小结 |
| 4 高速运动物体视频图像压缩方法 |
| 4.1 数据的冗余与压缩 |
| 4.1.1 数据的冗余类型 |
| 4.1.2 数据压缩分类 |
| 4.1.3 压缩评价指标 |
| 4.2 静态图像压缩 |
| 4.2.1 图像压缩系统构成 |
| 4.2.2 基于小波变换的图像数据压缩 |
| 4.2.3 基于BP神经网络的图像数据压缩 |
| 4.3 序列图像中的运动信息处理 |
| 4.3.1 运动序列图像特点 |
| 4.3.2 高速运动物体视频分割 |
| 4.3.3 基于运动估计的帧间预测编码 |
| 4.4 高速运动视频图像压缩系统 |
| 4.4.1 视频图像压缩整体流程 |
| 4.4.2 压缩重构示例 |
| 4.5 本章小结 |
| 5 基于帧内和帧间编码的高速无人机视频图像压缩 |
| 5.1 高速无人机视频传输系统 |
| 5.2 基于小波神经网络的无人机静态图像压缩 |
| 5.2.1 视频图像关键帧提取 |
| 5.2.2 小波神经网络图像压缩 |
| 5.2.3 图像重构及结果分析 |
| 5.3 基于帧间预测编码的无人机视频序列压缩 |
| 5.3.1 基于三帧差分的无人机目标分割 |
| 5.3.2 基于块匹配的无人机运动估计 |
| 5.4 无人机视频重构及结果分析 |
| 5.4.1 视频重构 |
| 5.4.2 视频压缩前后结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（2）面向VSN的分布式视频编码技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外发展及研究现状 |
| 1.2.1 视频传感器网络 |
| 1.2.2 视频编码技术 |
| 1.3 本文研究内容及章节安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文章节安排 |
| 第2章 相关理论基础 |
| 2.1 视频传感器网络概述 |
| 2.1.1 VSN体系结构 |
| 2.1.2 VSN的特点 |
| 2.1.3 VSN的应用领域 |
| 2.2 视频前景运动物提取技术 |
| 2.2.1 运动目标检测技术 |
| 2.2.2 宏块分类检测技术 |
| 2.3 视频编码技术 |
| 2.3.1 视频编码的基础理论 |
| 2.3.2 面向VSN的视频编码方法 |
| 2.3.3 视频编码的评估方法 |
| 2.4 本章小结 |
| 第3章 视频前景运动物提取 |
| 3.1 前景运动物提取总体流程 |
| 3.2 前景运动目标的检测 |
| 3.2.1 光流法 |
| 3.2.2 帧间差分法 |
| 3.2.3 背景差分法 |
| 3.3 背景模型的建立 |
| 3.3.1 常见背景模型 |
| 3.3.2 改进的混合高斯模型 |
| 3.3.3 实验结果与分析 |
| 3.4 噪声分析和宏块分类检测 |
| 3.4.1 噪声模型 |
| 3.4.2 宏块分类检测 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 分布式视频编码算法设计 |
| 4.1 分布式视频编码的典型框架 |
| 4.2 网格编码量化 |
| 4.3 基于网格编码量化的分布式视频编码 |
| 4.3.1 编码流程 |
| 4.3.2 解码流程 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 实验及数据分析 |
| 5.1 实验环境 |
| 5.2 对比实验和数据分析 |
| 5.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 中英文缩写词释义 |
（3）图像与视频低复杂度压缩算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及目的和意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 图像数据压缩编码研究现状 |
| 1.2.2 感兴趣区域检测及压缩研究现状 |
| 1.3 主要研究内容与章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 图像和视频压缩编码技术 |
| 2.1 压缩编码技术原理 |
| 2.2 压缩编码技术分类 |
| 2.3 压缩编码评价准则 |
| 2.4 压缩编码国际标准 |
| 第三章 基于双正交不变集多小波的图像压缩编码研究 |
| 3.1 引言 |
| 3.2 双正交不变集多小波滤波器设计 |
| 3.3 多分辨分析 |
| 3.4 分解与重构算法 |
| 3.5 双正交不变集多小波用于图像压缩的优势分析 |
| 3.5.1 算法复杂度 |
| 3.5.2 能量和熵的集中程度 |
| 3.6 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 基于预测误差分块和多波段预测的分布式高光谱图像无损压缩 |
| 4.1 引言 |
| 4.2 分布式信源编码原理及发展 |
| 4.2.1 分布式信源编码(DSC)原理 |
| 4.2.2 s-DSC框架 |
| 4.2.3 s-DSC算法改进 |
| 4.3 基于分块陪集编码的无损压缩 |
| 4.3.1 预测误差分块算法 |
| 4.3.2 多波段预测算法 |
| 4.3.3 初步实验验证 |
| 4.3.4 解码 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据 |
| 4.4.2 压缩效率 |
| 4.4.3 算法复杂度分析 |
| 4.5 本章小结 |
| 第五章 低复杂度视频图像压缩域显着点检测研究 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 压缩域特征 |
| 5.3.1 预测残差DCT系数范数(RDCN特征) |
| 5.3.2 操作块描述长度(OBDL特征) |
| 5.3.3 人眼关注点检测 |
| 5.4 SRDCNOBDL体系结构 |
| 5.5 实验结果和分析 |
| 5.5.1 实验设置 |
| 5.5.2 模型参数设计 |
| 5.5.3 显着性检测模型比较 |
| 5.5.4 视频图像质量的敏感性分析 |
| 5.5.5 复杂度分析 |
| 5.6 本章小结 |
| 第六章 基于马尔可夫随机场的视频图像压缩域显着点检测 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.3 压缩域SRDCN特征 |
| 6.4 SRDCN-MRF体系结构 |
| 6.4.1 马尔可夫随机场模型 |
| 6.4.2 能量函数 |
| 6.4.3 优化 |
| 6.4.4 最终显着性图 |
| 6.4.5 SRDCN-MRF体系结构 |
| 6.5 实验结果和分析 |
| 6.5.1 实验设置 |
| 6.5.2 模型参数设计 |
| 6.5.3 显着性检测模型比较 |
| 6.5.4 视频图像质量的敏感性分析 |
| 6.5.5 复杂度分析 |
| 6.6 本章小结 |
| 第七章 结束语 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于压缩感知的图像编码技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文选题的背景 |
| 1.2 论文研究的目的和意义 |
| 1.3 国内外有关研究现状 |
| 第二章 压缩感知理论 |
| 2.1 压缩感知理论的内容 |
| 2.1.1 稀疏表示 |
| 2.1.2 线性测量 |
| 2.1.3 信号的重构 |
| 2.2 分块压缩感知 |
| 2.2.1 分块压缩感知基本思想 |
| 2.2.2 分块压缩感知的数学模型 |
| 2.2.3 探索最佳分块数 |
| 2.3 本章小结 |
| 第三章 压缩感知图像重构算法设计 |
| 3.1 贪婪重建算法分析 |
| 3.1.1 匹配追踪算法 |
| 3.1.2 正交匹配追踪重构算法 |
| 3.1.3 分段正交匹配追踪算法 |
| 3.1.4 子空间追踪算法 |
| 3.2 重构算法性能比较仿真实验 |
| 3.3 建立梯度投影重构算法模型 |
| 3.3.1 梯度投影重建算法的分析与改进 |
| 3.3.2 最小全变分法准则下的梯度计算方法 |
| 3.3.3 基于图像分块的TV_(1_11_2)梯度投影重构算法设计 |
| 3.4 算法性能比较实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于压缩感知的图像压缩编码算法实现 |
| 4.1 图像压缩编码技术 |
| 4.1.1 图像编码算法思想 |
| 4.1.2 现有图像编码技术的分析与对比 |
| 4.1.3 图像编码标准 |
| 4.2 基于小波变换图像编码技术研究 |
| 4.2.1 小波系数分析 |
| 4.2.2 图像压缩中小波基的选择与评估 |
| 4.2.3 小波编码方法的分析与对比 |
| 4.3 基于压缩感知的矢量量化编码算法设计 |
| 4.3.1 建立图像的小波包分解 |
| 4.3.2 实现LBG矢量量化算法的图像编码 |
| 4.3.3 实验结果分析 |
| 4.4 本章小结 |
| 第五章 结论 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（5）航天测控网中多类型信息的高效传输研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 多媒体信息传输与航天测控网络 |
| 1.2 研究背景及意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.2.3 国内外研究现状 |
| 1.3 研究内容和结构 |
| 1.3.1 基于QoS的多类型信息传输 |
| 1.3.2 次要信息主动丢弃研究 |
| 1.3.3 多类型信息传输验证工具开发 |
| 1.3.4 论文的组织结构 |
| 第二章 多类型信息传输的关键技术 |
| 2.1 航天测控网 |
| 2.2 网络服务质量保证技术 |
| 2.2.1 网络服务质量保证体系结构 |
| 2.2.2 网络服务质量保证技术 |
| 2.3 多类型信息编码技术 |
| 2.3.1 MPEG-4 |
| 2.3.2 高级音频编码AAC |
| 2.4 重要区域检测算法 |
| 第三章 航天测控网中基于QoS的多类型信息传输方法 |
| 3.1 航天测控网的模拟 |
| 3.1.1 NS-2模拟平台 |
| 3.1.2 航天测控网的模拟 |
| 3.2 运动图像序列划分与重点区域标记的提出 |
| 3.2.1 运动图像序列划分方法 |
| 3.2.2 重点区域确定算法 |
| 3.3 网络区分传输与接收端重构的提出 |
| 3.3.1 重点区域高效传输 |
| 3.3.2 接收端重构 |
| 3.4 普通文本信息传输实验 |
| 3.5 运动序列图像传输实验 |
| 3.6 实验结果及分析 |
| 3.7 本章小结 |
| 第四章 次要信息主动丢弃方法研究 |
| 4.1 运动图像序列编码与解码的应用 |
| 4.1.1 运动图像序列单帧压缩技术的应用 |
| 4.1.2 运动图像序列帧间信息压缩的应用 |
| 4.1.3 运动图像序列插值的应用 |
| 4.2 次要信息主动丢弃方法的提出 |
| 4.2.1 运动图像序列中次要信息主动丢弃 |
| 4.2.2 运动图像序列的恢复 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 多类型信息传输方法验证工具 |
| 5.1 系统目标和总体设计 |
| 5.2 系统详细设计与实现 |
| 5.2.1 系统详细设计 |
| 5.2.2 组件复用 |
| 5.3 系统实现 |
| 5.3.1 基于JFace的图形界面模块 |
| 5.3.2 基于OpenCV的图像处理模块 |
| 5.3.3 基于NS-2的网络传输模块 |
| 5.4 系统测试 |
| 5.4.1 测试环境 |
| 5.4.2 测试方法 |
| 5.5 本章小结 |
| 第六章 结论 |
| 6.1 论文主要工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间研究成果 |
（6）基于H.264/SVC运动估计算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 前言 |
| 第一章 H.264基本原理概述 |
| 1.1 H.264图像编码标准概述 |
| 1.2 数字图像处理技术中的运动估计算法概述 |
| 1.3 H.264层次结构及特点 |
| 1.4 本章小结 |
| 第二章 H.264/SVC编码技术 |
| 2.1 引言 |
| 2.2 H.264/SVC标准简介 |
| 2.2.1 帧内预测编码 |
| 2.2.2 帧间预测编码 |
| 2.2.3 熵编码原理分析 |
| 2.2.4 编码变换和量化 |
| 2.3 H.264/SVC标准简介 |
| 2.3.1 可分级种类特性 |
| 2.3.2 H.264/SVC分等级优先级分析 |
| 2.3.3 H.264/SVC的块匹配运动估计算法 |
| 2.3.4 H.264/SVC分级编码的应用 |
| 2.4 本章小结 |
| 第三章 H.264/SVC编码的研究与性能分析 |
| 3.1 引言 |
| 3.2 H.264时域可扩展分级编码 |
| 3.3 H.264空域可扩展分级编码 |
| 3.4 H.264质量可扩展分级编码 |
| 3.5 本章小结 |
| 第四章 H.264/SVC运动估计算法的分析与研究 |
| 4.1 引言 |
| 4.2 帧间编码预测特性分析 |
| 4.2.1 预测参考标准 |
| 4.2.2 空间域运动矢量预测 |
| 4.2.3 帧场内自适应图像编码算法 |
| 4.3 运动估计算法特性分析与优化 |
| 4.4 实验仿真结果与性能评估 |
| 4.5 H.264/SVC运动估计算法在油气生产领域中的应用展望 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
| 大庆石油学院硕士研究生学位论文摘要 |
（8）基于VQ的自适应视频压缩算法及FPGA实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 数字图像压缩的必要性与可能性 |
| 1.1.2 图像编码算法发展状况 |
| 1.1.3 本文使用算法简介 |
| 1.2 研究内容 |
| 1.3 论文主要内容 |
| 2 图像编码技术——矢量量化 |
| 2.1 矢量量化基本原理 |
| 2.2 矢量量化在图像编码中的应用 |
| 2.3 图像编码质量的评价标准 |
| 2.4 矢量量化的关键技术 |
| 2.4.1 码书 |
| 2.4.2 匹配搜索算法 |
| 2.5 矢量量化的改进方法 |
| 3 静止图像编码研究 |
| 3.1 包含平滑码字的码书设计及快速匹配算法实现 |
| 3.1.1 旋转取反压缩码书原理及生成 |
| 3.1.2 算法流程 |
| 3.1.3 相关参数选定 |
| 3.1.4 结果与分析 |
| 3.2 不包含平滑码字的码书设计及快速匹配算法实现 |
| 3.2.1 不包含平滑码字的旋转取反码书原理 |
| 3.2.2 平滑度阈值TH的选定 |
| 3.2.3 分类编码算法的性能测试 |
| 3.2.4 不包含平滑码字的旋转取反码书生成 |
| 3.2.5 采用NS128码书的分类编码快速匹配算法 |
| 3.3 采用分类编码的快速匹配算法硬件实现 |
| 3.3.1 电路结构 |
| 3.3.2 对电路设计的验证 |
| 3.4 本章小结 |
| 4 运动图像编码研究 |
| 4.1 运动估计简介 |
| 4.1.1 运动估计的原理 |
| 4.1.2 运动估计的常用算法 |
| 4.2 基于矢量量化与运动估计的自适应视频编码算法 |
| 4.2.1 原理 |
| 4.2.2 算法流程 |
| 4.2.3 相关参数选定 |
| 4.2.4 算法仿真结果与分析 |
| 4.3 基于矢量量化的自适应视频编码系统 |
| 4.3.1 算法流程 |
| 4.3.2 相关参数选定 |
| 4.3.3 算法仿真结果与分析 |
| 4.3.4 基于矢量量化的视频编码电路设计 |
| 4.4 本章小结 |
| 5 结论 |
| 致谢 |
| 参考文献 |
| 发表论文 |
| 申请专利 |
（9）视频会议图像获取和处理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 视频技术的应用领域 |
| 1.2 课题研究的目的和意义 |
| 1.3 国内外研究现状、发展动态 |
| 1.4 论文各章节内容安排 |
| 2. 基于典型网络的视频会议系统研究 |
| 2.1 网络视频的特点 |
| 2.2 视频会议系统中应用的关键技术 |
| 2.3 局域网中点对点模式的视频会议系统 |
| 2.3.1 点对点模式的视频会议系统总体结构 |
| 2.3.2 点对点模式的视频会议系统各部分模块的功能 |
| 2.4 Internet 网络中客户机-服务器模式的视频会议系统 |
| 2.4.1 Internet 实时视频传输性能要求 |
| 2.4.2 客户机-服务器模式的视频会议系统总体结构 |
| 2.4.3 客户机-服务器模式的视频会议系统的具体实现 |
| 2.5 两类视频会议系统的比较 |
| 3. 视频会议图像获取技术研究 |
| 3.1 视频图像获取的主要方法 |
| 3.2 视频图像获取的实现方案 |
| 3.3 视频图像获取的硬件设备 |
| 3.3.1 图像采样 |
| 3.3.2 图像量化 |
| 3.3.3 视频采集卡及其工作过程 |
| 3.3.4 数字摄像头及其工作过程 |
| 4. 视频会议图像处理技术研究 |
| 4.1 图像处理发展概况 |
| 4.2 图像处理系统 |
| 4.2.1 图像处理硬件系统 |
| 4.2.2 图像处理软件系统 |
| 4.3 视频图像格式之间的相互转换 |
| 4.3.1 常用的各类视频格式简介 |
| 4.3.2 RGB 与YUV 4:2:0 视频图像格式之间的相互转换 |
| 4.3.3 仿真实验及结果分析 |
| 4.3.4 常用各类视频文件格式之间转换前后文件大小的对比 |
| 4.4 视频图像数据压缩编码 |
| 4.4.1 图像数据压缩编码的研究发展综述 |
| 4.4.2 图像数据压缩的必要性 |
| 4.4.3 图像数据压缩的可能性 |
| 4.4.4 图像数据压缩编码效率的评价 |
| 4.4.5 图像数据压缩的基本方法 |
| 4.4.6 统计编码中的哈夫曼编码 |
| 4.4.7 哈夫曼编码仿真实验 |
| 4.4.8 变换编码中的离散余弦变换(DCT) |
| 4.4.9 DCT 变换实验及结果分析 |
| 5. 视频图像压缩标准—H.264 |
| 5.1 视频图像压缩标准发展历史 |
| 5.2 H.264 标准概述 |
| 5.2.1 H.264 标准的提出 |
| 5.2.2 H.264 标准的应用领域 |
| 5.2.3 H.264 标准的特点和技术性能 |
| 5.3 H.264 的编解码原理 |
| 5.3.1 H.264 支持的框架 |
| 5.3.2 H.264 的语法结构 |
| 5.3.3 H.264 的编解码器结构 |
| 5.4 H.264 编码器的设计与实现 |
| 5.4.1 编码器的设计 |
| 5.4.2 编码器采用的关键技术 |
| 5.4.3 编码器中包含的主要文件 |
| 5.4.4 编码器初始化设置 |
| 5.4.5 编码器的编码模块 |
| 5.5 编码器测试 |
| 5.5.1 编码器测试环境 |
| 5.5.2 编码器测试内容及结果分析 |
| 6. 全文总结与展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（10）基于DSP的图像压缩与处理方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 论文的背景和意义 |
| 1.3 本文研究的内容和结构安排 |
| 第二章 视频图像的基础理论 |
| 2.1 基础知识 |
| 2.2 图像压缩编码的必要性和可能性 |
| 2.3 图像压缩编码的国际标准 |
| 2.4 解码及象质评价 |
| 第三章 图像压缩编码技术 |
| 3.1 预测编码 |
| 3.2 分形编码 |
| 3.3 子带编码 |
| 3.4 小波编码 |
| 3.5 其他编码方法 |
| 3.6 小结 |
| 第四章 基于小波变换的图像压缩技术 |
| 4.1 小波变换的基础知识 |
| 4.2 图像的小波变换特性 |
| 4.3 基于小波变换的图象编码算法 |
| 4.4 小结 |
| 第五章 系统硬件结构设计 |
| 5.1 系统硬件的总体设计和原理 |
| 5.2 系统中主要芯片的性能和应用 |
| 5.3 存储器的选择 |
| 5.4 系统各部分的接口设计 |
| 第六章 系统软件结构设计 |
| 6.1 系统DSP 的开发 |
| 6.2 系统初始化 |
| 6.3 压缩部分DSP 系统的软件设计 |
| 6.4 解压缩部分DSP 系统的软件设计 |
| 第七章 仿真结果与总结 |
| 致谢 |
| 参考文献 |
| 附录 |
四、运动图像的压缩编码技术（论文参考文献）
- [1]高速运动物体图像识别与压缩方法研究[D]. 史启盟. 西安理工大学, 2021(01)
- [2]面向VSN的分布式视频编码技术研究[D]. 操照君. 成都理工大学, 2019(02)
- [3]图像与视频低复杂度压缩算法研究[D]. 李永军. 西安电子科技大学, 2017(01)
- [4]基于压缩感知的图像编码技术研究[D]. 邢移单. 长春工业大学, 2014(11)
- [5]航天测控网中多类型信息的高效传输研究[D]. 王超. 北京邮电大学, 2014(04)
- [6]基于H.264/SVC运动估计算法的研究[D]. 王海巍. 东北石油大学, 2010(08)
- [7]视频编码新技术新标准研究[A]. 袁子立,胡世安,孟一鸣,王璀璨. 全国第三届信号和智能信息处理与应用学术交流会专刊, 2009
- [8]基于VQ的自适应视频压缩算法及FPGA实现[D]. 李佳. 西安理工大学, 2009(S1)
- [9]视频会议图像获取和处理技术研究[D]. 闫晶. 中北大学, 2008(11)
- [10]基于DSP的图像压缩与处理方法研究[D]. 曲万刚. 长春理工大学, 2008(02)