基于学习的图像编码与视频软播技术研究

目录

第1章 绪 论

1.1 研究背景及意义

1.2 图像编码

1.2.1 图像编码研究内容

1.2.2 图像源编码问题

1.2.3 JPEG 图像编码标准

1.2.4 JPEG2000 图像编码标准

1.3 无线视频广播

1.3.1 无线视频广播研究内容

1.3.2 矢量信道最优编码问题

1.3.3 无线视频软播 SoftCast

1.4 论文的主要研究内容及章节安排

第2章 国内外研究现状

2.1 图像编码研究现状

2.1.1 基于变换的图像编码

2.1.2 基于分析合成的图像编码

2.1.3 基于学习的图像编码

2.2 无线视频广播研究现状

2.2.1 基于数字的视频广播方法

2.2.2 基于软播的视频广播方法

第3章 基于字典学习的无线视频软播

3.1 引言

3.2 相关工作

3.2.1 压缩感知概述

3.2.2 基于压缩感知的编码方法

3.3 基于字典学习的无线视频软播

3.3.1 DLCast 编解码框架

3.3.2 层次帧结构

3.3.3 基于块的压缩感知编码

3.3.4 DLCast 数据打包与传输

3.3.5 DLCast 解码端初始化

3.3.6 基于图像组的稀疏表示模型

3.3.7 基于自适应字典学习的压缩感知重建

3.4 实验结果

3.4.1 实验设置

3.4.2 实验结果及分析

3.5 本章小结

第4章 基于低秩逼近的行扫描视频软播

4.1 引言

4.2 相关工作

4.2.1 基于行的编码

4.2.2 分布式编码

4.3 基于低秩逼近的行扫描视频软播

4.3.1 LRALineCast 编解码框架

4.3.2 基于行的一维变换

4.3.3 陪集编码

4.3.4 LRALineCast 能量分配与传输

4.3.5 LRALineCast 解码端初始化

4.3.6 基于低秩逼近的边信息生成方法

4.4 带宽情况分析

4.5 实验结果

4.5.1 实验设置

4.5.2 实验结果及分析

4.6 本章小结

第5章 基于卷积神经网络的无线视频软播后处理

5.1 引言

5.2 相关工作

5.2.1 图像去块效应

5.2.2 深度神经网络

5.3 基于卷积神经网络的无线视频软播后处理

5.3.1 CNNCast 编解码框架

5.3.2 基于块的二维变换

5.3.3 CNNCast 能量分配与数据传输

5.3.4 基于 LLSE 的解码端初始化

5.3.5 基于稀疏表示模型的视频复原

5.3.6 基于卷积神经网络的视频复原

5.4 实验结果

5.4.1 实验设置

5.4.2 实验结果及分析

5.5 本章小结

第6章 基于深度神经网络的相关图像端到端编码

6.1 引言

6.2 相关工作

6.2.1 图像后处理

6.2.2 自编码器（AutoEncoder）

6.2.3 基于深度学习的图像压缩

6.2.4 SIFT 描述子

6.3 基于深度神经网络的相关图像端到端编码

6.3.1 基于图的相关图像样本提取

6.3.2 多路自编码器编码框架

6.3.3 图像块样本的生成

6.3.4 基于卷积神经网络的编码器与解码器

6.3.5 二值化器

6.3.6 重要性图

6.3.7 基于卷积神经网络的熵编码器

6.3.8 模型描述

6.4 实验结果

6.4.1 实验设置

6.4.2 实验结果及分析

6.5 本章小结

结 论

参考文献

攻读博士学位期间发表的学术论文及研究成果

声明

致 谢

个人简历