一、视频编码标准H.26L与H.263的主要算法对比分析（论文文献综述）
徐晨[1]（2018）在《HEVC视频编码的码率控制技术研究》文中研究表明HEVC作为新一代视频压缩标准,引入了很多先进的编码技术,显着地提升了视频的压缩性能。码率控制技术作为视频编码中特别重要的控制模块,在有限带宽下确保了视频编码的质量。然而,不同的视频应用对码率控制技术的要求也不一样,在视频直播中要求传输系统的延时比较低,而在医疗视频中则要求视频的质量较高。针对上面不同的要求,本文对码率控制算法进行了不同形式的优化。1.本文针对-0103KJCTVC提案中码率控制算法在低延时应用中的不足,对算法中的比特分配方法进行了改进。首先,本文改进算法通过综合考虑与低延时有关的缓冲区状态对帧层进行分配比特;然后,在LCU级通过实验发现编码实际消耗的比特数和由梯度计算的LCU复杂度成线性关系,于是根据该复杂度对未编码的LCU分配比特数;最后,根据R-λ模型获得编码参数进行编码。结果显示,本文改进算法使编码的码率波动较小,缓存区的状态更稳定,实现了视频的低延时传输。2.为了在有限带宽下得到适合人类视觉系统的高质量视频,本文给出了一种基于人眼感兴趣区域的码率控制算法。首先,为了使不同区域的视频质量平滑过渡对感兴趣区域进行分级预处理;然后,把得到像素级感兴趣区域图（ROI map）作为比特分配权重,并分别利用帧级和LCU级的ROI map对帧层和LCU层分配比特数;最后,通过调节像素权重值k控制感兴趣区域的质量。结果显示,本文给出的算法在整帧质量PSNR变化不大的情况下,使感兴趣区域的率失真性能及主观质量有明显的提升。
许鹤[2]（2018）在《高效率视频编码码率控制算法研究》文中指出随着移动互联网和多媒体技术的迅猛发展以及生活水平的不断提高,人们对视频内容和质量提出了越来越高的要求。由于内容丰富及高清、超高清视频包含很大的信息量,使得数字化后的视频数据量巨大,因此数字视频在传输或存储前必须进行压缩编码,以降低对传输带宽或存储空间的需求。在视频通信中,由于通信网传输带宽有限,视频编码器大多采用了码率控制技术以产生匹配传输带宽的码流,并保证视频质量。新一代视频编码标准HEVC采用基于R-λ模型的码率控制算法,提高了码率控制精度和视频质量,但其帧层比特分配未考虑视频内容特性与缓冲区状态,导致帧层比特分配不太合理,而其最大编码单元层比特分配也未能充分利用图像空域复杂度与时域复杂度的相关性,以及模型参数更新过程存在不足,导致最大编码单元层比特分配不准确。本文针对基于R-λ模型的码率控制算法在帧层比特分配与最大编码单元层比特分配上存在的不足,对应提出了两种码率控制优化算法。针对帧层比特分配不合理的问题,本文提出了一种帧层码率控制优化算法。首先,对图像信息熵、最小变换域绝对误差之和以及基于R-λ模型码率控制算法中帧层固定权重进行加权,得到一种度量帧层图像复杂度的综合因子,并将其作为新帧层比特分配权重;其次,根据目标缓冲级与缓冲区剩余比特计算出缓冲区反馈比特;最后,根据计算获得的新帧层比特分配权重和缓冲区反馈比特对帧层进行比特分配。本文算法在HM16.0上进行了实现和性能测试,结果表明:与HEVC原始的码率控制算法相比,优化算法的码率控制误差平均下降了2.008%,峰值信噪比平均提高了0.21dB。针对最大编码单元层比特分配不合理的问题,本文提出了一种最大编码单元层码率控制优化算法。首先,利用图像的梯度和平均绝对差构建一种新复杂度,以此来度量最大编码单元层图像复杂度;其次,利用获得的新复杂度与图像梯度定义一种调整因子,以此来对量化参数进行调整;最后,利用牛顿法与视频失真对模型参数进行有效地更新。实验结果表明,与HEVC原始的码率控制算法相比,优化算法的码率控制误差平均下降了0.062%,峰值信噪比平均提高了0.07dB。
卢亚广[3]（2017）在《基于分组统计及梯度结构相似度的AVS2帧内预测高效算法》文中研究指明AVS2视频编码是我国第二代音视频编解码标准AVS2的第二部分,主要面向高清与超高清视频编解码应用。AVS2的视频压缩率是上一代标准的二倍,与HEVC的水平相当,并且引入了监控场景编码,3D视频编码等。AVS2视频编码在引用传统视频编码技术的基础上,引进了众多新颖的技术,但是也给编码器带来了较高的计算复杂度,导致编码器编码效率低下,不能满足实时编码的需要。因此,结合全I帧配置的项目背景,本文研究了 AVS2视频编码的关键技术,并提出了基于分组统计的帧内亮度预测模式快速选择算法和基于梯度结构相似度的编码单元快速判决算法。本文首先介绍经典的视频处理技术及国内外视频标准的发展过程,然后详细分析了 AVS2视频标准采用的关键技术,包括:帧内预测,帧间预测,逻辑单元划分,变换,量化,熵编码及环路滤波等。分析研究了 AVS2的帧内亮度预测算法及其在官方代码RD14.0中的实现方式,发现AVS2帧内亮度预测包含两个过程:粗略模式选择（Rough Model Decision, RMD）和率失真优化模式选择（Rate Distortion Optimization, RDO）。RMD主要完成从33种亮度预测模式中选出9种最佳预测模式,RDO过程主要是利用率失真优化的准则从9种预测模式中选择一种最佳的预测模式。针对RDO过程中候选模式较多,计算复杂度较高的情况,提出了一种基于分组统计的帧内预测模式快速选择算法。在该算法中依据帧内亮度预测模式预测方向的相似性,把33种预测模式划分为7个组。然后对经过RMD选出的9种模式在7个组内的分布情况进行统计,并利用MPMs的特殊性,从9种预测模式中筛选出几种模式进行RDO的计算,如此,达到降低计算复杂度,提高编码效率的目的。在帧内编码单元判决方面,研究发现AVS2的帧内编码单元判决过程采用了基于四叉树递归划分的方式,每个最大编码单元（Large Coding Unit, LCU）划分情况的判决过程都需要进行85次不同等级编码单元的率失真计算,计算复杂度较高。针对该部分提出了一种基于梯度结构相似度的编码单元快速判决算法。在该算法中,根据图像的空间相关性和梯度结构相似度能够有效分析出图像块差异性的特点,通过分析当前编码单元与相邻的左边或上边已编码单元的梯度结构相似度,并结合相邻的左边或上边已编码单元的大小来提前终止当前编码单元的向下划分,或跳过一些不必要大小的编码单元的率失真计算的目的。最后,对于本文提出的相关算法在官方代码RD14.0上实现,并进行了大量的实验验证。根据实现结果可以发现,本文提出的基于分组统计的帧内预测模式快速选择算法可以节省26.79%～32.82%的编码时间;本文提出的基于梯度结构相似度的编码单元快速判决算法,可以节省26.05%～28.45%的编码时间。
王希[4]（2017）在《多源信息融合的高速公路征费稽查应用研究》文中指出目前,高速公路运营管理所包括的联网收费管理、征费稽查管理、收费监控管理等内容已大部分实现信息化管理,但各个系统均为信息孤岛,相互之间往往无法实现关联,尤其是表现在收费数据与监控音视频信息关联脱节,很难在海量的收费原始数据中有效的缩小稽查信息范围。这也导致了收费稽查、收费现场监控效率低下而无法更多的提升高速收费运营管理部门管理服务水平。本研究在综合分析了目前高速公路征费稽查和监管工作中存在的问题的基础上,重点研究了以下内容:一是采用多源异构数据融合技术,以随机过程中的排队和服务系统理论为理论依据,研究了结构性的征费稽查数据和非结构性的音视频录像数据的共通特征,实现多源异构数据融合。使征费系统数据与收费亭视频、车道视频、语音通话、收费计算机屏幕视频、键盘操作、特情移动拍摄视频等信息的联动查询。二是在分析收费数据的大数据特性的基础上,提出基于云存储及应用服务平台的实施部署模式,对现有录像系统进行数字化改进,采用分布式存储方式,研究一种既支持本地视频查看,又可满足高质量、低带宽的远程查看需求。并据此设计了车道视频服务器、智能来电显示接收器、电话语音监听盒、无线视频编码发射模块、无线视频服务器等硬件模块和音视频协同稽查控制软件。三是对监控室的整体架构进行了优化、简化,降低了建设维护成本。四是将原有绿色通道车辆使用相机留证的方式改进为无线摄像取证,并增加收费按键操作视频为事后提供多元化的稽查依据。五是通过分析征费系统数据和内线电话信息,构建视频联动控制模型,完成监控视频在监控室的自动切换提高监控员的效率。本设计通过技术改进,为收费公路运营管理者提供有效的稽查管理手段,使其提高收费稽查质量和监控效率,节约人力资源。同时,也为高速公路建设提供一种更为经济的监控模式。最终达到高速公路运营管理中的降低建设维护成本、减员增效、堵漏增收工作更为有效,提高收费管理水平。
胡金晖[5]（2014）在《基于深度信息的多视点视频编码及图像增强技术研究》文中研究指明立体视频能够模拟自然景物在人眼中的呈现过程,满足了人们在观看视频时的临场逼真感需求,近年来在各行各业里得到了广泛的应用。立体视频包含多种表现形式,其中自由视点视频（Free-view video, FVV）增加了立体观赏角度并提升了交互性,已成为目前的研究热点。MEPG在2007年将多视点加深度视频（MVD）作为自由视点视频的数据格式。其大幅减少了所需编码传输的视点数目,在解码端借助基于深度的虚拟视点绘制技术推导出任意视点的虚拟视频。相比2D视频,多视点加深度视频包含的视点数目显着增多,且深度信息的引入为MVD的编码及图像处理带来了新的挑战和机遇。第一,描述场景三维结构的深度信息的高质量获取是前提。近年来利用Kinect来主动实时获取深度信息成为了趋势,但由于场景遮挡、特殊表面等因素的影响,其获取的深度图存在深度值丢失的区域,影响了深度图的质量及合成虚拟视点的效果。因此,研究设计高效的深度图的空洞填充方法,提高获取的深度图的质量对于提升立体视频对真实世界的表现能力至关重要；第二,多视点加深度视频视点数目的增多带来了数据量的急剧上升,亟需高效压缩。一方面,由于深度图像并不是用来显示且统计特性与传统的2D图像不同,传统的视频编码方法压缩深度图像会造成边缘信息的损失,降低了合成视点的质量；另一方面,传统的多视点视频编码的视点间预测方式延用了时域上的线性运动模型,对于视点间存在非线性运动的情况缺乏表达能力,并不能高效去除视点间视频内容的冗余,制约了预测效率的提升。因此,根据多视点加深度视频的特性,研究设计多视点加深度视频的高效编码方法,在提高编码效率的同时提升合成虚拟视点的质量至关重要；第三,在多视点视频监控应用中,低光照环境下拍摄的图像噪声多且对比度低,亟需进行增强。传统的低光照图像增强方法主要是利用2D图像本身的信息进行增强,可利用的信息有限且增强后的图像丢失了深度感知,相关研究指出深度感知在人眼对图像的感知体验中起到重要作用。深度图像和彩色图像是从不同的角度对同一场景的描述,深度图像可从空间信息的角度对监控场景进行了描述,且其成像过程不易受环境和摄像机器件噪声的影响,为低光照图像增强提供了鲁棒的参考信息。因此,研究利用深度图的特性来增强低光照图像的质量,提升增强后图像的深度层次感至关重要。针对以上三个方面的需求与挑战,本文对基于深度信息的多视点视频编码及图像增强技术开展了研究,在深度图像的空洞填充模型、MVD中深度视点及纹理视点的编码方法以及基于深度信息的低光照图像增强模型等方面取得了以‘下创新性成果：（1）基于相似约束稀疏表示的深度图空洞填充技术针对现有深度图空洞填充方法易受到不相关非空洞点影响,导致边缘填充不准确的问题,本文利用稀疏编码的策略,基于彩色图信息,提出了基于相似约束稀疏表示的空洞填充模型。通过构建相似约束的稀疏表示目标函数来满足在周围像素对当前像素所表示误差最小的情况下,选择较少的与当前像素相似的周围像素来进行表示,以计算得最优的权重向量。相对于对比方法,本方法填充后的深度图的边缘轮廓更加接近于彩色图像的边缘轮廓,且边缘更加平滑清晰；并且在公开数据集上的图像中人工添加空洞后进行测试,本方法填充空洞后的深度图的整体质量提升了1.8dB。（2）基于结构张量环路中值滤波的深度视频编码技术针对现有基于滤波的深度视频编码方法滤波系数精度易受到纹理编码噪声、深度突变点以及纹理细节映射的影响,制约编码效率及合成视点质量提升的问题,本文利用结构张量分析工具,提出了基于结构张量的环路中值滤波模型,该方法联合纹理图像构建当前深度像素的结构张量,通过对结构张量的分析划分出与当前深度像素处于同一深度平面的区域,称为可信深度邻域,该区域包含了可信候选深度像素。然后将可信候选深度像素的深度值的中值作为最终的输出。相比于对比方法,本文提出的算法可以将深度视频的编码码率进一步降低约10%以上,且合成的虚拟视点的主客观质量更高。（3）基于自适应学习的视点合成预测多视点视频编码技术针对现有多视点视频编码视点合成预测方法的预测效率易受到深度失真及视点间光照色度差异影响的问题,本文提出了基于自适应学习的多视点视频编码视点合成预测技术。在合成当前帧的虚拟视点帧时,前一帧及其虚拟视点帧已经得到,本方法通过学习前一帧与其虚拟视点帧之间的差异关系来改善当前帧的虚拟视点帧的合成质量。相对于现有的视点合成预测编码方法,本方法合成的虚拟视点帧的质量最高可增加3.42dB,在编码方面,本方法平均可以降低约11%的码率,具有更高的编码效率。（4）基于深度感知的低光照图像层次增强技术针对现有低光照图像增强方法使增强后的图像丢失了整体深度感知的问题,本文根据深度图反映了场景的空间信息且其成像过程不受低光照环境噪声影响的特性,提出了基于深度感知的低光照图像层次增强技术,利用深度信息来辅助提高低光照图像的去噪及对比度拉伸的质量。构建了基于深度约束的非局部均值去噪模型,基于深度感知的低光照图像全局及局部对比度拉伸函数,相对于对比方法,本文提出的方法有效提升了增强后图像的深度层次对比度及边缘质量,且去噪效果提升了0.4dB。综上所述,本文通过分析深度图像的特殊统计特性及与纹理图像的结构相似性,将深度信息引入多视点视频编码及图像增强中,分别提出了基于相似约束稀疏表示的深度图空洞填充方法,基于结构张量环路中值滤波的深度视频编码方法,基于自适应学习的视点合成预测多视点视频编码方法,基于深度感知的低光照图像层次增强技术,进一步挖掘了深度信息的应用潜力,提升了多视点及深度视频的编码效率及图像增强质量。
王科人[6]（2014）在《视频隐藏分析关键技术研究》文中研究表明作为大容量信息隐秘通信的有效手段,视频信息隐藏技术引起人们的关注。为了有效检测以视频为载体的有害隐秘通信行为,视频隐藏分析具有重要的研究价值和应用前景。本文研究以数字视频为载体的隐藏分析技术,针对多种作用域的隐藏算法提出了相应的检测算法,.并将领域适应与通用隐藏检测相结合,分析其在解决载体分布失配问题上的适用性。本文主要工作与创新包括以下6个方面：1、在压缩视频空域隐藏分析方面,提出将时域相关性和空域相关性相结合的SPEAM统计特征,用于检测压缩视频的空域扩频隐藏。在非压缩视频的隐藏检测性能方面,该特征与只考虑空域相关性的图像隐藏分析特征相当,且优于现有视频隐藏分析特征；但在压缩视频的检测性能方面,该特征优于已有的视频隐藏分析特征和图像隐藏分析特征,且具有较低的运算复杂度。2、在压缩域运动矢量隐藏分析方面,针对现有运动矢量隐藏检测方法或者检测性能差且无法适应多种视频编码格式,或者因重压缩参数与原始编码参数不同而失效的缺点,提出基于运动矢量局部最优假设的AoSO特征。该特征在检测性能上明显优于现有的两类特征,且适用范围较广,在多种复杂视频编码条件下均表现出较好的检测性能。3、在H.264帧内预测模式隐藏分析方面,结合H264视频压缩编码标准,提出以SATD作为编码代价的帧内预测模式校准机制及其相应的CIPM隐藏检测特征。该特征在隐藏检测性能上明显优于现有特征,且计算复杂度比较低。4、在改善载体分布失配条件下的隐藏分析算法性能方面,针对其中的隐藏算法失配问题,对领域适应中的特征迁移算法——TCA算法开展研究,并将TCA算法用于解决隐藏算法失配条件下的运动矢量隐藏检测问题。最后通过实验验证其可能带来失配条件下隐藏检测性能的提升,并结合实验中遇到的问题,对TCA等领域适应算法的适用性进行了探讨,并指出领域适应算法在隐藏检测应用中的局限性。5、在视频空域隐藏软件MSU StegoVideo的隐藏分析方面,.针对现有隐藏分析方法仅考虑隐藏信息的检测且检测性能不理想的问题,对MSU StegoVideo隐藏的三个指纹特征进行了分析,包括特殊的颜色空间转换公式、棋盘状掩膜图案以及嵌入强度控制机制,提出基于MSU StegoVideo指纹的非压缩视频隐藏检测与隐藏参数估计方法——MP算法。该算法在检测性能上远优于已有算法,且可对隐藏参数"noise level"以及隐藏信息序列进行初步的估计。6、在格式隐藏软件OpenPuff的隐藏分析方面,针对该软件支持的MPEG、VOB、 FLV、MP4、3GP等格式视频,结合相应的视频容器标准,通过分析隐藏操作引入的文件差异,提出相应的隐藏分析方法,能够实现高精度的盲检测与部分隐藏信息的提取。
曹伊琳[7]（2012）在《基于H.264压缩域的电子稳像算法的研究》文中提出电子稳像技术是综合了电子科学、计算机、数字信号处理等技术的新一代实现图像序列稳定的技术。被广泛应用于包括医学、航天、军事、工业、刑侦等领域。一直以来,对包括电子稳像技术在内的视频图像处理的研究大都集中在像素域进行,不仅计算量大,时间开销也较高,实时性较差。随着多媒体技术和视频压缩标准的发展,大量的存贮和传输的图像视频数据都是采用各种压缩标准完成的,诸如MPEG-4、H.263和H.264等标准。在压缩域中处理视频图像,无需对码流进行完全解码,需要处理的数据量大大减少,实时性也大大增强。因此研究基于压缩域的图像处理方法更具有现实意义,也广受关注。H.264是当前最新,也是性能最优异的国际视频压缩编码标准。与以前的标准相比,H.264标准提供了许多区别于之前其他的视频编码技术标准的编码工具来提高压缩效率,以其绝对的优势被人们所关注。这也给在H.264压缩域进行图像处理提出了许多新的挑战。如何利用从H.264的压缩数据中提取出的关键信息、提高资源的利用率、降低运算时间,成为研究压缩域的有关算法的重点。然而国内基于H.264压缩域的各类算法的研究还处在发展阶段。如何利用H.264压缩域中的信息进行快速稳像的研究方兴未艾。因此,对如何直接利用H.264视频码流中的信息进行视频图像稳像这个问题进行深入研究,具有重要的理论意义和应用价值。电子稳像的需求和H.264压缩域算法的相关发展,都使得基于H.264压缩域的电子稳像算法的研究有了可行性和必要性。因此,本文根据H.264压缩码流中获得的宏块运动矢量,宏块类型信息以及MVD值,采用6参数的镜头运动模型和均值滤波,提出了一种快速而有效的电子稳像方法。通过对不同视频序列进行测试,并与文献[1],文献[2]中的算法进行对比,得出的实验结果表明,本文提出的方法高效、精确,具有较好的稳像效果。
杨红生[8]（2011）在《面向微束类分析仪器样品视频的可分级视频编码方法研究》文中提出电子显微镜、电子探针等微束类分析仪器应用广泛、价格昂贵,具有较高的共享价值,是网络实验室的研究热点。本文基于最新的可分级视频编码标准H.264/SVC对微束类分析仪器网络实验室建设中的关键技术——样品视频编码进行深入研究。提出一种空域可分级快速模式决策算法,采用减少预测模式的方法和提前退出算法,提高了模式决策的速度。提出一种基于抽样的快速块匹配算法,从块匹配准则和块匹配计算两个方面进行优化,实现了高效的运动估计块匹配算法。针对常用运动估计算法中存在的固定搜索范围问题,提出一种基于自适应搜索范围的快速运动估计算法,有效地减少了运动估计的搜索点。面向分级B帧编码结构,提出一种码率控制算法,对现有码率控制算法的若干环节进行改进,实现了精确的码率控制,并设计低复杂度的分级B帧QP计算方法,加强了码率分级性,使码流可适应带宽差异较大的多种网络环境。
张亮[9]（2011）在《基于运动矢量恢复的错误隐藏算法研究》文中研究表明随着互联网和无线网络的快速增长,通过这些网络的视频服务正变得越来越流行。视频压缩编码标准的开发往往是用来在有限的带宽下传输视频,如MPEG-2/4,H.263和H.264等。这些视频编码标准通常采用离散余弦变换、运动估计／运动补偿、可变长编码等技术。这些技术是利用空间、时间和统计上的冗余来进行数据压缩的。但是,高压缩率的视频很容易在传输过程中出现错误。当出现解码错误宏块时,这些错误就会随着空间和时间传播,从而导致视觉质量的下降。运动矢量恢复是众所周知的视频通信的错误隐藏方法,通过出错数据位置周围的可用信息来恢复压缩视频的运动信息。本文详细研究了过去20年中一些经典的基于运动矢量恢复的错误隐藏算法,并具体分析了当前最流行、最简单高效且应用广泛的运动矢量恢复方法。运动矢量的分析方法主要有时域替代法、边界匹配法、拉格朗日插值法、多项式插值法。本文还将这些技术详细地进行了实验分析和对比,给出了具体的仿真实验结果,以及实时环境的视频流测试。通过对理论的分析,本文提出了一种基于H.264帧间解码的错误隐藏算法,用以去除错误对人类视觉系统的影响。实验结果表明,本文提出的算法跟其它时域错误隐藏算法比较,能够得到更好的效果。本文提出的算法能够应用于基于H.264视频编码标准的实时多媒体通信系统中。
姜杉[10]（2010）在《一种嵌入式网络多媒体终端的研究与实现》文中提出随着宽带网络的飞速发展,数字多媒体技术逐步趋向便携化和网络化。各种音视频业务需求的迅速膨胀和数字信号处理技术及相关器件的不断更迭换代,促使了嵌入式多媒体终端技术的蓬勃发展。以此技术为基础的各种应用如多媒体传感器网络、视频监控、网络视音频点播和广播等较之传统方式更多地关注于音频、视频、等大数据量、大信息量媒体的采集与处理,在军事、民用及商业领域中具有广阔的应用前景。因此,结合流媒体技术和嵌入式多媒体系统的优点,研制开发性价比高的网络多媒体终端成为了产业界和科研院所十分关注的课题。本研究课题根据嵌入式多媒体网络终端便携性及大数据量传输需求,设计并实现了基于TI达芬奇系统的一种具备实时视频编解码、信息流复用解复用、流媒体服务器和无线接入等功能的智能多媒体终端。本文首先介绍了嵌入式网络多媒体终端的一些典型应用和关键技术,然后对软硬件平台现状进行了分析并详述了达芬奇系统的特点及软硬件资源,接下来重点阐述了系统软件功能开发,其中包括常用视频编码算法和原理介绍、V4L2视频采集驱动和Frambuffer设备驱动介绍和使用流程、达芬奇系统编解码流程、MPEG-2传输流复用解复用技术及复用算法库分析、流媒体传输协议介绍等。重点介绍如何实现系统传输模块搭建、无线接入控制及系统WiFi模块的移植,并分析了系统各功能的多线程交互,最后对目标功能进行测试验证并分析结果和不足之处,提出后续工作建议。本课题实现了一个完整的多种功能嵌入式智能网络多媒体终端,具有很强的应用价值,同时对其它嵌入式网络应用系统技术的研究和开发也会起到良好的参考作用。
二、视频编码标准H.26L与H.263的主要算法对比分析（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、视频编码标准H.26L与H.263的主要算法对比分析（论文提纲范文）
（1）HEVC视频编码的码率控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容及章节安排 |
| 第二章 HEVC编码及其码率控制技术 |
| 2.1 HEVC编码原理及框架 |
| 2.2 HEVC编码的关键技术 |
| 2.2.1 HEVC灵活的划分方式 |
| 2.2.2 帧内预测技术 |
| 2.2.3 帧间预测技术 |
| 2.2.4 变换和量化 |
| 2.3 码率控制技术 |
| 2.3.1 码率控制原理 |
| 2.3.2 率失真理论 |
| 2.3.3 常见的率失真模型 |
| 2.4 经典JCTVC-K0103码率控制算法 |
| 2.4.1 JCTVC-K0103算法目标比特分配 |
| 2.4.2 JCTVC-K0103算法存在的问题 |
| 2.5 码率控制算法性能评价 |
| 2.6 本章小结 |
| 第三章 低延时码率控制算法 |
| 3.1 引言 |
| 3.2 适用于低延时的帧级比特分配 |
| 3.3 基于复杂度的LCU级比特分配算法 |
| 3.3.1 视频复杂度的衡量 |
| 3.3.2 LCU层的比特分配 |
| 3.4 量化参数的获取 |
| 3.5 实验结果及分析 |
| 3.5.1 实验参数设置 |
| 3.5.2 码率准确性比较 |
| 3.5.3 缓冲区的状态 |
| 3.5.4 客观质量 |
| 3.6 本章小结 |
| 第四章 基于感兴趣区域的码率控制算法 |
| 4.1 引言 |
| 4.2 ROI提取的基本框架和原理 |
| 4.3 算法的流程及预处理 |
| 4.4 基于ROI的码率控制算法 |
| 4.4.1 基于ROI的帧层目标比特分配 |
| 4.4.2 基于ROI的LCU目标比特分配 |
| 4.4.3 量化参数的获取 |
| 4.5 仿真结果分析 |
| 4.5.1 实验参数设置 |
| 4.5.2 率失真性能对比 |
| 4.5.3 码率控制误差 |
| 4.5.4 图像的主观质量 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（2）高效率视频编码码率控制算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容及章节安排 |
| 第2章 HEVC视频编码技术 |
| 2.1 HEVC标准简介 |
| 2.1.1 视频编码国际标准的发展 |
| 2.1.2 HEVC标准的主要特征 |
| 2.2 HEVC编码框架与编码结构 |
| 2.2.1 HEVC编码框架 |
| 2.2.2 HEVC编码结构 |
| 2.3 HEVC编码关键技术 |
| 2.3.1 HEVC帧内预测 |
| 2.3.2 HEVC帧间预测 |
| 2.3.3 变换和量化 |
| 2.3.4 环路滤波 |
| 2.3.5 熵编码 |
| 2.4 本章小结 |
| 第3章 码率控制算法 |
| 3.1 码率控制产生背景与原理 |
| 3.1.1 码率控制产生背景 |
| 3.1.2 码率控制原理 |
| 3.2 率失真理论与率失真模型 |
| 3.2.1 率失真理论 |
| 3.2.2 率失真模型 |
| 3.3 经典的码率控制算法 |
| 3.3.1 H.261 中的码率控制算法 |
| 3.3.2 H.263 中的码率控制算法 |
| 3.3.3 MPEG-2 中的码率控制算法 |
| 3.3.4 MPEG-4 中的码率控制算法 |
| 3.3.5 H.264/AVC中的码率控制算法 |
| 3.4 HEVC中的码率控制算法 |
| 3.4.1 基于R-Q模型的码率控制算法 |
| 3.4.2 基于R-λ模型的码率控制算法 |
| 3.5 本章小结 |
| 第4章 帧层码率控制优化算法 |
| 4.1 帧层比特分配优化算法 |
| 4.1.1 基于综合因子的帧层比特分配 |
| 4.1.2 基于缓冲区状态的帧层比特分配 |
| 4.1.3 帧层码率控制优化算法流程 |
| 4.2 实验结果与性能分析 |
| 4.2.1 实验配置与评价指标 |
| 4.2.2 性能分析 |
| 4.3 本章小结 |
| 第5章 最大编码单元层码率控制优化算法 |
| 5.1 基于新复杂度和新的参数更新的码率控制优化算法 |
| 5.1.1 基于新复杂度的最大编码单元层比特分配 |
| 5.1.2 参数更新的新策略 |
| 5.1.3 最大编码单元层码率控制优化算法流程 |
| 5.2 实验结果与性能分析 |
| 5.2.1 实验配置与评价指标 |
| 5.2.2 性能分析 |
| 5.3 本章小结 |
| 第6章 结束语 |
| 6.1 主要工作与创新点 |
| 6.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（3）基于分组统计及梯度结构相似度的AVS2帧内预测高效算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 视频编码技术原理介绍 |
| 1.2.1 帧内预测 |
| 1.2.2 帧间预测 |
| 1.2.3 变换 |
| 1.2.4 量化 |
| 1.2.5 熵编码 |
| 1.3 视频编码标准发展及研究概况 |
| 1.3.1 视频编码标准发展回顾 |
| 1.3.2 国内外研究现状 |
| 1.4 本文主要研究内容及论文结构 |
| 第2章 AVS2视频编码核心技术 |
| 2.1 AVS2视频编码框架 |
| 2.2 AVS2的逻辑单元及划分 |
| 2.2.1 编码单元 |
| 2.2.2 预测单元 |
| 2.2.3 变换单元 |
| 2.2.4 三种逻辑单元在帧内预测中的关系 |
| 2.3 AVS2视频编码关键技术 |
| 2.3.1 帧内预测编码 |
| 2.3.2 帧间预测编码 |
| 2.3.3 变换 |
| 2.3.4 量化 |
| 2.3.5 熵编码 |
| 2.3.6 环路滤波 |
| 2.4 本章小结 |
| 第3章 基于分组统计的帧内预测模式快速选择算法 |
| 3.1 AVS2帧内预测模式选择算法 |
| 3.1.1 AVS2算法描述及流程 |
| 3.1.2 粗略模式选择及筛选准则 |
| 3.1.3 率失真优化模式选择及代价函数 |
| 3.1.4 帧内亮度预测耗时分析 |
| 3.2 基于分组统计的帧内预测模式快速选择算法 |
| 3.2.1 算法原理分析 |
| 3.2.2 算法实现及流程 |
| 3.3 实验结果与分析 |
| 3.3.1 实验环境 |
| 3.3.2 性能指标 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第4章 基于梯度结构相似度的编码单元快速判决算法 |
| 4.1 AVS2编码单元判决算法 |
| 4.1.1 AVS2编码单元判决算法描述及流程 |
| 4.1.2 RD14.0中帧内预测耗时分析 |
| 4.2 基于梯度结构相似度的编码单元快速判决算法 |
| 4.2.1 图像特性与编码单元划分关系分析 |
| 4.2.2 编码单元快速判决算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 总结与展望 |
| 1. 本文总结 |
| 2. 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文和参与的项目 |
（4）多源信息融合的高速公路征费稽查应用研究（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 课题的来源及研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 陕西省征费稽查系统分析 |
| 1.4 研究目的及意义 |
| 1.5 主要研究内容 |
| 1.5.1 本文的主要工作 |
| 1.5.2 章节安排 |
| 第二章 总体构架设计 |
| 2.1 总体硬件构架分析 |
| 2.1.1 收费视频协同稽查 |
| 2.1.2 收费音视频协同控制 |
| 2.2 主要功能、性能需求和工作环境 |
| 2.2.1 功能需求 |
| 2.2.2 性能需求 |
| 2.3 系统软、硬件组成框架 |
| 2.3.1 硬件平台 |
| 2.3.2 软件平台 |
| 2.4 小结 |
| 第三章 基于云存储技术的实施部署研究 |
| 3.1 收费稽查的云存储技术应用分析 |
| 3.1.1 稽查数据的大数据分析 |
| 3.1.2 稽查数据的云存储技术 |
| 3.2 收费音视频协同稽查 |
| 3.2.1 设计与部署分析 |
| 3.2.2 软硬件部署方式 |
| 3.3 收费语音协同控制 |
| 3.3.1 监控模式分析 |
| 3.3.2 软硬件部署方式 |
| 3.4 小结 |
| 第四章 基于排队和服务系统理论的多源信息融合研究 |
| 4.1 多源信息融合原理分析 |
| 4.1.1 多源数据概述 |
| 4.1.2 多源信息融合原理 |
| 4.2 多源征费稽查数据融合的层级分析 |
| 4.3 多源征费稽查数据融合的方法分析 |
| 4.4 多源异构稽查数据源分析 |
| 4.5 多源异构稽查数据特征属性分析 |
| 4.6 稽查数据特征的影响因素分析 |
| 4.7 融合模型建立的假设条件 |
| 4.8 排队和服务系统理论融合模型的建立 |
| 4.8.1 单队单服务的融合模型 |
| 4.8.2 单队多服务的融合模型 |
| 4.9 模型实例及融合效果 |
| 4.9.1 实例 1 |
| 4.9.2 实例 2 |
| 4.9.3 融合效果对比分析与参数选择 |
| 4.10 应用方式 |
| 4.11 小结 |
| 第五章 硬件平台设计 |
| 5.1 收费车道视频服务专用设备研究 |
| 5.1.1 设备总体研究 |
| 5.1.2 音视频编码技术研究 |
| 5.1.3 字符叠加技术研究 |
| 5.1.4 收费操作界面信息采集技术 |
| 5.1.5 以太网交换功能研发 |
| 5.2 收费车道无线视频设备研究 |
| 5.2.1 无线传输方式 |
| 5.2.2 嵌入式系统定制与研发 |
| 5.3 内线电话系统专用设备研究 |
| 5.3.1 智能来电显示监测研究与开发 |
| 5.3.2 语音提取模块研究 |
| 5.4 硬件调试 |
| 5.5 小结 |
| 第六章 系统功能应用测试 |
| 6.1 收费稽查管理模块功能应用 |
| 6.1.1 视频协同查询子模块功能应用 |
| 6.1.2 视频实时监看子模块功能应用 |
| 6.2 收费特情及语音监视登记功能应用 |
| 6.2.1 特情、通话记录子模块功能应用 |
| 6.2.2 语音备注登记子模块功能应用 |
| 6.2.3 通话稽查子模块功能应用 |
| 6.2.4 状态监视子模块功能应用 |
| 6.3 收费操作按键信息稽查功能应用 |
| 6.4 小结 |
| 第七章 结论、应用及展望 |
| 7.1 结论 |
| 7.2 经济、社会效益及应用前景 |
| 7.2.1 经济、社会效益 |
| 7.2.2 应用前景 |
| 7.3 技术展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）基于深度信息的多视点视频编码及图像增强技术研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 立体视频编码标准发展历程 |
| 1.2.2 深度图获取技术 |
| 1.2.3 多视点加深度视频编码技术 |
| 1.2.4 低光照图像增强技术 |
| 1.3 面临的关键问题 |
| 1.3.1 面临的理论问题 |
| 1.3.2 面临的技术问题 |
| 1.4 论文的研究内容与组织结构 |
| 第2章 基于相似约束稀疏表示的深度图空洞填充 |
| 2.1 引言 |
| 2.2 基于联合双边滤波的深度图空洞填充 |
| 2.3 方法比较 |
| 2.4 基于相似约束稀疏表示的深度图空洞填充算法 |
| 2.5 实验与性能分析 |
| 2.6 小结 |
| 第3章 基于结构张量环路中值滤波的深度视频编码 |
| 3.1 引言 |
| 3.2 基于三边滤波的深度图视频编码 |
| 3.3 方法比较 |
| 3.4 基于结构张量环路滤波的深度视频编码算法 |
| 3.5 实验与性能分析 |
| 3.6 小结 |
| 第4章 基于自适应学习的视点合成预测多视点视频编码 |
| 4.1 引言 |
| 4.2 视点合成预测多视点视频编码 |
| 4.3 方法比较 |
| 4.4 基于自适应学习的视点合成预测多视点视频编码算法 |
| 4.5 实验与性能分析 |
| 4.6 小结 |
| 第5章 基于深度感知的低光照图像层次增强 |
| 5.1 引言 |
| 5.2 基于非局部均值的图像去噪 |
| 5.3 方法比较 |
| 5.4 基于深度感知的低光照图像层次增强算法 |
| 5.5 实验性能与分析 |
| 5.6 小结 |
| 第6章 总结与展望 |
| 6.1 本文的贡献与创新之处 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间的科研工作情况 |
| 致谢 |
（6）视频隐藏分析关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 术语列表 |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.2 信息隐藏的研究现状 |
| 1.3 隐藏分析的研究现状 |
| 1.4 论文主要工作与结构 |
| 1.4.1 本文研究思路及内容 |
| 1.4.2 本文结构安排 |
| 第二章 视频信息隐藏与隐藏分析技术概述 |
| 2.1 视频信息隐藏技术概述 |
| 2.1.1 信息隐藏技术概述 |
| 2.1.2 视频信息隐藏技术分类 |
| 2.1.3 视频信息隐藏技术特性 |
| 2.1.4 视频信息隐藏技术发展现状 |
| 2.2 视频隐藏分析技术概述 |
| 2.2.1 隐藏分析技术概述 |
| 2.2.2 视频隐藏分析技术分类 |
| 2.2.3 视频隐藏分析技术特性 |
| 2.2.4 视频隐藏分析技术发展现状 |
| 2.3 本章小结 |
| 第三章 针对空域扩频隐藏的压缩视频隐藏分析算法研究 |
| 3.1 空域扩频隐藏原理与方法 |
| 3.1.1 扩频隐藏通信系统结构 |
| 3.1.2 扩频隐藏建模 |
| 3.1.3 压缩视频空域扩频隐藏 |
| 3.2 现有空域隐藏分析算法简介 |
| 3.3 基于相邻残差差值统计特性的隐藏检测特征——SPEAM特征 |
| 3.3.1 共谋与残差帧的关系分析 |
| 3.3.2 帧间相关与帧内相关的对比分析 |
| 3.3.3 SPEAM特征 |
| 3.4 实验验证 |
| 3.4.1 实验设置 |
| 3.4.2 运动搜索范围实验结果 |
| 3.4.3 非压缩视频空域隐藏检测结果与分析 |
| 3.4.4 MPEG2视频空域隐藏检测结果与分析 |
| 3.4.5 H.264视频空域隐藏检测结果与分析 |
| 3.5 本章小结 |
| 第四章 针对压缩域的视频隐藏分析算法研究 |
| 4.1 视频运动矢量隐藏及分析算法研究 |
| 4.1.1 运动矢量隐藏原理与方法 |
| 4.1.2 现有运动矢量隐藏分析算法 |
| 4.1.3 基于运动矢量局部最优假设的视频隐藏检测特征——AoSO特征 |
| 4.1.4 实验验证 |
| 4.1.5 小结 |
| 4.2 H.264帧内预测模式隐藏及分析算法研究 |
| 4.2.1 H.264帧内预测模式隐藏原理与方法 |
| 4.2.2 现有H.264帧内预测模式隐藏分析算法 |
| 4.2.3 基于校准的H.264帧内预测模式隐藏检测特征——CIPM特征 |
| 4.2.4 实验验证 |
| 4.2.5 小结 |
| 4.3 本章小结 |
| 第五章 用于通用检测的领域适应算法研究 |
| 5.1 领域适应概述 |
| 5.1.1 迁移学习概述 |
| 5.1.2 领域适应概述 |
| 5.2 特征迁移算法——TCA |
| 5.2.1 TCA相关理论基础 |
| 5.2.2 TCA算法 |
| 5.3 基于TCA的AoSO特征 |
| 5.3.1 不同MV隐藏算法条件下AoSO特征分布 |
| 5.3.2 基于TCA的AoSO特征在跨隐藏算法检测中的应用 |
| 5.4 实验结果与分析 |
| 5.4.1 实验设置 |
| 5.4.2 实验结果 |
| 5.4.3 TCA+AoSO适用性分析 |
| 5.5 本章小结 |
| 第六章 针对软件隐藏的视频隐藏分析算法研究 |
| 6.1 针对MSU STEGOVIDEO软件隐藏的检测与隐藏参数估计算法 |
| 6.1.1 MSU StegoVideo简介 |
| 6.1.2 现有针对MSU Stego Video的隐藏分析算法 |
| 6.1.3 MSU StegoVideo指纹 |
| 6.1.4 基于MSU Stego Video指纹的隐藏分析算法 |
| 6.1.5 实验验证 |
| 6.2 针对OPENPUFF软件隐藏的检测与提取算法 |
| 6.2.1 OpenPuff简介 |
| 6.2.2 MPEG、 VOB视频隐藏检测与提取 |
| 6.2.3 FLV视频隐藏检测与提取 |
| 6.2.4 MP4、3GP视频隐藏检测与提取 |
| 6.2.5 实验验证 |
| 6.3 本章小结 |
| 第七章 隐藏信息检测系统实验验证 |
| 7.1 隐藏信息检测系统简介 |
| 7.2 实验验证 |
| 7.2.1 实验方法 |
| 7.2.2 测试数据 |
| 7.2.3 测试指标 |
| 7.2.4 隐藏检测结果 |
| 7.2.5 隐藏信息提取结果 |
| 7.2.6 小结 |
| 7.3 本章小结 |
| 第八章 结束语 |
| 8.1 全文总结 |
| 8.2 下一步工作 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（7）基于H.264压缩域的电子稳像算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 电子稳像技术的研究与发展概况 |
| 1.3 视频编码技术及视频编码技术标准的发展 |
| 1.4 本文的主要工作 |
| 1.5 本文的组织结构 |
| 第二章 H.264视频压缩编码标准 |
| 2.1 视频编码国际标准 |
| 2.1.1 MPEG标准 |
| 2.1.2 H.26X系列标准 |
| 2.2 H.264/AVC视频编码原理 |
| 2.2.1 H.264/AVC视频编码概述 |
| 2.2.2 H.264/AVC视频编码原理概述 |
| 2.3 H.264视频编码标准关键技术 |
| 2.3.1 帧内预测编码 |
| 2.3.2 帧间预测编码 |
| 2.3.3 整数变换 |
| 2.3.4 量化 |
| 2.4 本章小结 |
| 第三章 电子稳像理论分析 |
| 3.1 电子稳像的理论基础 |
| 3.1.1 电子稳像的基本原理 |
| 3.1.2 摄像系统运动的类型 |
| 3.1.3 摄像机运动与图像运动的关系 |
| 3.1.4 图像运动模型 |
| 3.2 电子稳像的关键技术 |
| 3.2.1 运动估计 |
| 3.2.2 运动矢量滤波 |
| 3.2.3 运动补偿 |
| 3.3 稳像的评价准则 |
| 3.3.1 主观评价方法 |
| 3.3.2 客观评价方法 |
| 3.4 本章小结 |
| 第四章 基于H.264压缩域的电子稳像算法 |
| 4.1 电子稳像算法概述 |
| 4.2 基于H.264压缩域稳像算法的关键技术分析 |
| 4.2.1 Masoud Mohammadi等人的算法分析 |
| 4.2.2 王喆等人的全局运动估计算法分析 |
| 4.2.3 两种算法的缺点总结 |
| 4.3 一种基于H.264压缩域的电子稳像算法 |
| 4.4 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 实验平台及其配置 |
| 5.2 实验步骤及结果分析 |
| 5.2.1 实验步骤和目的说明 |
| 5.2.2 整体算法的实验分析 |
| 5.2.3 全局运动估计算法的实验分析 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 参考文献 |
| 致谢 |
（8）面向微束类分析仪器样品视频的可分级视频编码方法研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 选题意义 |
| 1.3 国内外研究现状 |
| 1.3.1 样品视频的运动原理及特征 |
| 1.3.2 微束类分析仪器网络实验室的研究现状 |
| 1.3.3 样品视频编码技术研究现状及问题 |
| 1.3.4 可分级视频编码技术 |
| 1.4 本文的主要研究内容 |
| 第2章 空域可分级快速模式决策算法 |
| 2.1 引言 |
| 2.2 H.264/SVC模式决策算法及研究现状 |
| 2.2.1 H.264/SVC模式决策算法 |
| 2.2.2 H.264/SVC快速模式决策算法的研究现状 |
| 2.3 空域可分级快速模式决策算法 |
| 2.3.1 剔除冗余预测模式 |
| 2.3.2 精简预测模式 |
| 2.3.3 基于自适应阈值的提前退出算法 |
| 2.3.4 快速模式决策算法 |
| 2.4 实验 |
| 2.5 本章小结 |
| 第3章 基于抽样的快速块匹配算法 |
| 3.1 引言 |
| 3.2 基于块匹配的运动估计算法 |
| 3.2.1 基于块匹配的运动估计算法 |
| 3.2.2 块匹配算法的研究现状 |
| 3.3 基于抽样的快速块匹配算法 |
| 3.3.1 宏块运动状态预判 |
| 3.3.2 块匹配准则特性分析 |
| 3.3.3 自适应块匹配准则 |
| 3.3.4 块匹配提前退出算法 |
| 3.4 实验 |
| 3.4.1 样品视频编码实验 |
| 3.4.2 自然视频编码实验 |
| 3.5 本章小结 |
| 第4章 基于自适应搜索范围的快速运动估计算法 |
| 4.1 引言 |
| 4.2 常用运动估计算法及自适应搜索范围算法 |
| 4.2.1 常用运动估计算法 |
| 4.2.2 自适应搜索范围算法 |
| 4.3 基于自适应搜索范围的快速运动估计算法 |
| 4.3.1 宏块类型划分 |
| 4.3.2 自适应搜索范围算法 |
| 4.3.3 匹配块搜索提前退出算法 |
| 4.3.4 帧间预测提前退出算法 |
| 4.4 实验 |
| 4.5 本章小结 |
| 第5章 面向分级B帧的码率控制算法 |
| 5.1 引言 |
| 5.2 H.264/SVC码率控制算法及研究现状 |
| 5.2.1 码率控制技术概述 |
| 5.2.2 H.264/SVC码率控制算法介绍 |
| 5.2.3 面向分级B帧的码率控制算法研究现状 |
| 5.3 面向分级B帧的码率控制算法 |
| 5.3.1 分级B帧QP计算方法 |
| 5.3.2 P帧和基本单元比特分配 |
| 5.3.3 改进的MAD线性预测 |
| 5.3.4 QP约束 |
| 5.4 实验 |
| 5.4.1 样品视频码率控制实验 |
| 5.4.2 自然视频码率控制实验 |
| 5.5 本章小节 |
| 第6章 全文总结 |
| 6.1 主要研究成果和创新性工作 |
| 6.2 存在的问题及下一步工作建议 |
| 参考文献 |
| 作者攻博期间发表的学术论文与科研成果 |
| 学术论文 |
| 参与科研项目的情况 |
| 致谢 |
| 摘要 |
| Abstract |
（9）基于运动矢量恢复的错误隐藏算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 H.264视频编码标准概述 |
| 1.2.1 视频编码标准的发展 |
| 1.2.2 H.264的档次和级别 |
| 1.2.3 H.264的系统结构 |
| 1.2.4 H.264的核心技术 |
| 1.3 错误恢复研究现状 |
| 1.4 论文结构安排 |
| 第二章 错误隐藏技术的研究 |
| 2.1 错误隐藏算法概述 |
| 2.2 H.264的错误恢复工具 |
| 2.2.1 帧内编码 |
| 2.2.2 图像的分割 |
| 2.2.3 参考图像选择 |
| 2.2.4 数据的划分 |
| 2.2.5 参数集的使用 |
| 2.2.6 灵活的宏块次序 |
| 2.2.7 冗余片方法 |
| 2.3 H.264的错误隐藏技术 |
| 2.3.1 帧内错误隐藏 |
| 2.3.2 帧间错误隐藏 |
| 2.4 本章小结 |
| 第三章 运动矢量恢复方法研究 |
| 3.1 运动矢量恢复技术概述 |
| 3.2 时域替代法 |
| 3.3 边界匹配法 |
| 3.4 拉格朗日插值 |
| 3.5 多项式插值法 |
| 3.6 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 本文提出的算法 |
| 4.1 本文算法概述 |
| 4.2 本文提出的算法步骤 |
| 4.2.1 组1的恢复 |
| 4.2.2 组2的恢复 |
| 4.2.3 组3的恢复 |
| 4.3 实验结果与分析 |
| 4.3.1 误码率分析 |
| 4.3.2 视频序列测试分析 |
| 4.3.3 整体对比分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（10）一种嵌入式网络多媒体终端的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 网络多媒体终端系统应用介绍与课题背景 |
| 1.2 网络多媒体终端主流技术 |
| 1.2.1 嵌入式技术 |
| 1.2.2 流媒体技术 |
| 1.3 论文主要研究内容与结构 |
| 第二章 嵌入式网络多媒体终端的系统组成与架构 |
| 2.1 概述 |
| 2.1.1 硬件平台现状与分析 |
| 2.1.2 软件系统研究现状和分析 |
| 2.2 达芬奇技术 |
| 2.2.1 概述 |
| 2.2.2 处理器描述 |
| 2.2.3 DVEVM 开发板介绍 |
| 2.2.4 软件框架概述 |
| 2.2.5 ARM 与DSP 核软件集成 |
| 2.3 本章小结 |
| 第三章 实时流媒体系统软件分析与设计 |
| 3.1 视频压缩编码技术介绍 |
| 3.1.1 常用视频压缩编码介绍 |
| 3.1.2 视频编码原理 |
| 3.2 实时编解码模块设计 |
| 3.2.1 视频采集与显示模块 |
| 3.2.2 达芬奇系统视频编解码流程 |
| 3.2.3 MPEG-2 传输流复用解复用技术 |
| 3.3 实时流媒体传输模块设计 |
| 3.3.1 RTSP 协议 |
| 3.3.2 SDP 协议 |
| 3.3.3 RTP/RTCP 协议 |
| 3.3.4 传输系统 |
| 3.4 多线程设计 |
| 3.4.1 编码方向线程介绍 |
| 3.4.2 解码方向线程介绍 |
| 3.5 WiFi 无线模块设计 |
| 3.5.1 系统对USB 设备支持 |
| 3.5.2 RT73 无线网卡驱动移植 |
| 3.6 本章小结 |
| 第四章 系统测试与分析 |
| 4.1 实验环境 |
| 4.2 实时视频流媒体服务器测试 |
| 4.3 实时视频TS 流解码测试 |
| 4.4 WiFi 无线模块测试 |
| 4.5 本章小结 |
| 总结 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
四、视频编码标准H.26L与H.263的主要算法对比分析（论文参考文献）
- [1]HEVC视频编码的码率控制技术研究[D]. 徐晨. 长春理工大学, 2018(01)
- [2]高效率视频编码码率控制算法研究[D]. 许鹤. 重庆邮电大学, 2018(01)
- [3]基于分组统计及梯度结构相似度的AVS2帧内预测高效算法[D]. 卢亚广. 西南交通大学, 2017(03)
- [4]多源信息融合的高速公路征费稽查应用研究[D]. 王希. 西安电子科技大学, 2017(04)
- [5]基于深度信息的多视点视频编码及图像增强技术研究[D]. 胡金晖. 武汉大学, 2014(01)
- [6]视频隐藏分析关键技术研究[D]. 王科人. 解放军信息工程大学, 2014(07)
- [7]基于H.264压缩域的电子稳像算法的研究[D]. 曹伊琳. 复旦大学, 2012(03)
- [8]面向微束类分析仪器样品视频的可分级视频编码方法研究[D]. 杨红生. 吉林大学, 2011(09)
- [9]基于运动矢量恢复的错误隐藏算法研究[D]. 张亮. 太原理工大学, 2011(08)
- [10]一种嵌入式网络多媒体终端的研究与实现[D]. 姜杉. 华南理工大学, 2010(05)