导读:本文包含了帧间补偿论文开题报告文献综述及选题提纲参考文献，主要关键词:神经网络,视频编解码,视频帧间补偿
帧间补偿论文文献综述
方业全[1]（2018）在《深度学习在视频帧间补偿中的研究与应用》一文中研究指出视频数据在网络传送中,由于网络线路的延迟、拥堵可能出现丢失数据包,导致接收端解码出的视频画面质量很差。本文对此问题进行了深入研究,设计了基于深度学习的视频帧间补偿算法:一种无监督视频图像重建神经网络模型。本模型基于对整个视频内容结构细节的理解,重建出视频帧中缺失部分,通过实验可以发现本文设计的深度卷积神经网络模型与基于样本插值的算法相比在视频帧间补偿中有着较好的效果。本文主要内容如下:1、论文研究融合通信的发展、前景和各种应用场景,研究现在通信系统对网络视频传输的强烈需求,对网络视频超分辨率重建与机器学习结合的优势进行了研究与分析。2、对深度学习相关原理、常用模型、卷积神经网络等进行研究,结合深度学习理论对当前流行的深度学习开源框架TensorFlow的底层原理进行研究。基于深度学习改进了图像识别算法,并将改进算法与其他图像识别算法,进行实验对比。结果证明改进算法提高了图像识别的精度。3、对视频编解码进行研究,给出了在当前视频编码的颇为重要的两个原因:第一,现在视频文件一般都比较大,需要大量存储空间来保存生活中各种视频文件。其次,由于视频文件比较大,在网络传输中视频数据占用了大多数带宽,导致网络拥堵,因此,传输视频数据会给网络带来巨大压力。占用较大的带宽最终导致网络延时,严重的话会导致数据帧丢失,这样造成的后果是接受端的视频画面十分不清晰,或者视频文件被破坏。很多学者为了解决以上两个问题付出了巨大心血,他们在视频编码和视频压缩领域在做出显着的成绩。现在主流编码标准H.264就是其中之一,本文对H.264视频编解码框架进行了深入的研究。4、卷积神经网络对处理图像有先天优势,本文大胆地采用深度学习处理视频图像问题,设计了用于视频帧间补偿的卷积神经网络模型,并将本文实现的神经网络模型与其他算法进行实验对比,结论证明本文的算法取得了优异的效果。(本文来源于《中国科学院大学(中国科学院沈阳计算技术研究所)》期刊2018-06-01）
黄玄,陈杰,李霞,周莉[2]（2009）在《AVS高清视频帧间补偿结构与电路实现》一文中研究指出设计了一种适用于AVS高清解码的高性能帧间像素补偿结构,其优点是每个时钟周期产生1个预测像素;采用双端口存储器,同时执行输入数据的接收与预测像素的计算,减少了数据延迟;像素补偿采用叁级流水的插值结构提高频率,并采用叁级复用的滤波单元计算1/4预测像素来节省电路开销。在VCS中对该模块进行了仿真,在0.18μm工艺下进行综合,最高频率可达到395MHz。在250MHz频率下综合面积为3.8×104等效逻辑门,具有高性能、低成本的特点,完全满足AVS高清实时解码需求。(本文来源于《电子科技大学学报》期刊2009年02期）
徐异人[3]（2007）在《帧间补偿单通道彩色微光成像方法研究》一文中研究指出本文在分析微光电视成像特点及微光双谱探测理论的基础上，重点开展了单通道双谱微光融合彩色夜视方法研究。介绍了单通道彩色夜视技术的实现方案，验证了方法的可行性。在算法方面，本文针对单通道双谱微光图像特征，实验了双谱微光图像融合改进算法和新算法，在算法处理速度和融合效果上优于原有算法。基于综合图像处理效果和易于硬件实现两方面的考虑，系统试验并分析比较了多种算法在双谱微光融合中的应用，进行了基于DSP硬件平台的单通道双谱微光融合系统软件设计，并进行了代码的优化，实现了算法在硬件平台上的实时处理。在上述研究的基础上，利用项目组研制搭建的双谱彩色微光夜视样机系统进行了大量的试验与测试，对采集的大量原始图像数据进行了融合处理，取得了较好的彩色显示效果。(本文来源于《南京理工大学》期刊2007-06-01）
李丽欣[4]（2005）在《基于帧间预测码运动补偿算法》一文中研究指出着重讨论帧间预测码运动补偿算法,该算法可获得比一般的运动块匹配方法更大的峰值信噪比,该基于小波变换域的块搜索匹配算法,在运动比较平缓时能以很少的运算次数马上找到块匹配点;在运动非常激烈时,则首先采用小波变换,然后再用本方法进行块匹配搜索,可减少大量复杂的运算量。(本文来源于《山东电大学报》期刊2005年01期）
钟平,冯进良,于前洋,金光[5]（2003）在《动态图像序列帧间运动补偿方法探讨》一文中研究指出图像序列的帧间运动不仅包含平移运动,而且旋转运动也是常见的。为了补偿这两种运动,可采用仿射变换模型。先把参考帧和当前帧分成若干个子块,利用灰度投影算法计算出局部运动矢量,然后使用能量最小化方法,由求出的有效局部运动矢量确定仿射变换模型参数。通过对当前帧进行仿射变换,即可实现对图像的平移和旋转的补偿。仿真和实验证明了该方法的可行性。(本文来源于《光学技术》期刊2003年04期）
马社祥,刘贵忠,尚赵伟[6]（2002）在《尺寸可变块匹配双向运动补偿视频帧间编码》一文中研究指出为了降低尺寸可变块匹配运动补偿中优化分割的时间复杂性 ,提出了基于四叉树分割的尺寸可变块匹配双向运动估计和补偿方法 .该方法每隔一帧进行一次双向估计和补偿 ,对于双向补偿帧 ,利用前一帧的分割信息先进行后向估计和补偿 ,再对包含复杂运动的小块进行前向估计和补偿 ,其中的重迭补偿区域采用加权平均 .仿真结果显示 ,在分割的时间复杂性降低了 5 0 %的情况下 ,其峰值信噪比下降很少 (平均小于 0 1dB) ,表明该方法是可行的(本文来源于《西安交通大学学报》期刊2002年06期）
王震[7]（2001）在《基于DCT频域条件帧间补偿压缩法的研究及在医学超声心动图像上的应用》一文中研究指出由于图像信息要占用大量的存储空间，所以图像数据压缩技术是图像的存储和传输中不可缺少的关键技术，而医学图像的数据压缩则是医疗档案的计算机管理和计算机远程医疗中的关键技术之一。超声波作为医学上治疗的工具，广泛的应用于临床医学，超声心动图像仪器的数据若不经压缩，则在存储和传输上具有很大困难，若能对巨大的数据量进行处理，在医生肉眼能接受的范围内对图像进行有效的压缩，则对医院病例的存档以及远程医疗等方面具有很强的现实意义。 医疗图像压缩不同于其它的图像压缩，它要求恢复图像的质量是第一位的，也就是说，图像的失真只能在不影响医疗的前提下进行，这就需要选取适当的压缩方法，并对其有所改进。 传统的序列图像压缩方法在实时实现与降低成本方面有很大困难。本文提出了一种基于DCT频域条件帧间补偿方案，该算法利用DCT变换的特点以及人眼视觉特性，快速高效的对医学超声心动序列图像进行编码，该算法具有较高的压缩比，同时图像恢复后的质量良好，并且由于运算量低，易于用软件实现，保证了良好的实时性，从而在PC机上实时实现医学超声心动序列图像的压缩编码以及传送成为可能。(本文来源于《北京工业大学》期刊2001-06-30）
郑伟国,肖自美[8]（1997）在《基于 DCT 频域条件帧间补偿法的视频编码方案及其实现》一文中研究指出运动图象的压缩是实现多媒体通信的关键技术之一。本文提出一种基于离散余弦变换（ＤＣＴ）系数的条件帧间补偿法及其视频编码方案。该算法利用ＤＣＴ变换的特点和人眼视觉特性，快速高效地对运动图象进行编码。由于运算量低，该算法可以在ＰＣ机上用软件实时实现，适用于基于ＰＣ平台的可视电话、会议电视和可视多媒体通信系统。(本文来源于《中国图象图形学报》期刊1997年Z1期）
谢卫国,沈兰荪[9]（1996）在《利用分形变换的帧间图象运动补偿预测编码》一文中研究指出首先把分形编码中的变换方法引入传统的运动补偿预测算法中；并进一步提出一种图象序列正交树自适应分块分形压缩编码新方法，用于叁维图象块的编码，得到了令人满意的结果。(本文来源于《北京工业大学学报》期刊1996年04期）
赵珑,周正[10]（1995）在《活动图像中运动补偿帧间内插的研究》一文中研究指出本文提出了一个新的运动补偿帧间内插算法，将运动估值与图像分割有机地结合了起来，从而改进了图像质量。(本文来源于《通信学报》期刊1995年05期）
帧间补偿论文开题报告
（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：
设计了一种适用于AVS高清解码的高性能帧间像素补偿结构,其优点是每个时钟周期产生1个预测像素;采用双端口存储器,同时执行输入数据的接收与预测像素的计算,减少了数据延迟;像素补偿采用叁级流水的插值结构提高频率,并采用叁级复用的滤波单元计算1/4预测像素来节省电路开销。在VCS中对该模块进行了仿真,在0.18μm工艺下进行综合,最高频率可达到395MHz。在250MHz频率下综合面积为3.8×104等效逻辑门,具有高性能、低成本的特点,完全满足AVS高清实时解码需求。
（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。
帧间补偿论文参考文献
[1].方业全.深度学习在视频帧间补偿中的研究与应用[D].中国科学院大学(中国科学院沈阳计算技术研究所).2018
[2].黄玄,陈杰,李霞,周莉.AVS高清视频帧间补偿结构与电路实现[J].电子科技大学学报.2009
[3].徐异人.帧间补偿单通道彩色微光成像方法研究[D].南京理工大学.2007
[4].李丽欣.基于帧间预测码运动补偿算法[J].山东电大学报.2005
[5].钟平,冯进良,于前洋,金光.动态图像序列帧间运动补偿方法探讨[J].光学技术.2003
[6].马社祥,刘贵忠,尚赵伟.尺寸可变块匹配双向运动补偿视频帧间编码[J].西安交通大学学报.2002
[7].王震.基于DCT频域条件帧间补偿压缩法的研究及在医学超声心动图像上的应用[D].北京工业大学.2001
[8].郑伟国,肖自美.基于DCT频域条件帧间补偿法的视频编码方案及其实现[J].中国图象图形学报.1997
[9].谢卫国,沈兰荪.利用分形变换的帧间图象运动补偿预测编码[J].北京工业大学学报.1996
[10].赵珑,周正.活动图像中运动补偿帧间内插的研究[J].通信学报.1995