声明
1 绪论
1.1 研究背景及意义
1.1.1 WMSN简介
1.1.2 基于压缩感知的分布式视频编解码技术
1.2基于压缩感知的分布式视频编码关键技术研究现状
1.2.1 压缩感知研究现状
1.2.2 分布式压缩视频感知系统研究现状
1.2.3 压缩感知中量化方法研究现状
1.2.4 分布式压缩视频感知中量化方法研究现状
1.3 论文研究内容及结构安排
2 图像压缩感知重构算法与经典的量化方法性能分析
2.1 引言
2.2 块图像压缩感知重构算法
2.2.1 多假设预测重构算法
2.2.2 组稀疏表示重构(GSR)算法
2.3 图像压缩感知中的量化方法
2.3.1 均匀量化
2.3.2 DPCM非均匀标量量化(DPCM-NSQ)
2.4 仿真结果及分析
2.4.1 两类重构算法的仿真结果与分析
2.4.2 量化方法仿真结果与分析
2.5 本章小结
3 DCVS中基于扩展梯度结构相似度的GSR算法
3.1 引言
3.2 基于E-GSSIM的GSR算法描述
3.2.1 E-GSSIM-InterF-GSR算法整体框架
3.2.2 E-GSSIM-InterF-GSR重构算法
3.2.3 基于E-GSSIM的非关键帧相似块组选择
3.2.4 非关键帧相似块组的匹配准则
3.2.5 最优相似块个数调整方案
3.3 仿真结果及分析
3.3.1 无量化仿真结果与分析
3.3.2 采集端帧间残差DPCM量化仿真结果及分析
3.3.3 时间复杂度分析
3.4 本章小结
4 DCVS中自适应最优量化深度模型
4.1 引言
4.2 改进的帧间DPCM非均匀量化方法
4.2.1观测值预测残差分布概率分析
4.2.2 改进的帧间DPCM非均匀量化模型
4.3 基于帧间预测残差特征的自适应最优量化深度模型
4.3.1 预测残差幅值分布与采样率的关系
4.3.2 基于帧间预测残差特征的最优量化深度模型
4.3.3 自适应最优量化深度模型
4.4 仿真结果与分析
4.4.1 率失真性能和视频序列重构质量的对比
4.4.2 时间复杂度分析
4.5 本章小结
5 结论
5.1 工作总结
5.2 今后工作展望
致谢
参 考 文 献
攻读学位期间的研究成果
兰州交通大学;