自20世纪80年代以来，随着多媒体通信技术的飞速发展，人们获取和处理的图像数据信息已经从简单的文字图片向更为复杂的音视频多媒体信息转变。特别是近年来，数字媒体技术、IP网络技术、移动通信技术及文化创意产业迅速发展，并且越来越紧密地结合在一起，随之引发的是人们对实时的、高质量的多媒体数据传输、新的媒体制作方法（例如计算机动画制作）和新型人机交互等方面的需求，从而使视频等多媒体信息在Intemet和移动网络中的处理和传输成为信息化中的热点。然而，图像数字化后的数据量巨大，从而给数字图像的存储、处理和传输带来了巨大的挑战。因此，如何实现静止图像和视频帧信号数字化后的数据压缩，在保证图像质量的前提下，用最少的码率实现各类数字图像的存储、处理和传输，成为视频/图像压缩编码需要解决的热点问题。可以预见在今后相当长的时间内，日益丰富、优质的视频图像内容与有限的带宽依然会是通信领域面临的主要矛盾之一。 本书主要有三方面的创新：①根据区域特征表征模型理论，建立了多区域图像纹理替换模型。②根据多区域图像纹理替换模型潜在的并行特性——区域轮廓结构特征提取与纹理样本选择阶段没有数据依赖关系，建立了多区域图像纹理替换的并行设计模型。③结合动态纹理学习与合成模型，建立了多区域视频纹理替换模型。

1 绪论
1.1 引言
1.2 研究背景及研究意义
1.3 本书的主要内容
1.4 研究创新点
2 相关基础理论
2.1 引言
2.2 图像与视频编码理论
2.2.1 图像编码
2.2.2 视频编码
2.3 人类视觉感知理论
2.3.1 人类视觉感知原理
2.3.2 研究现状及其应用
2.4 视觉显著性检测理论
2.4.1 显著性检测理论
2.4.2 基于传统算法的显著性检测
2.4.3 基于卷积神经网络的显著性检测
2.5 并行计算理论
2.5.1 并行设计模型
2.5.2 并行算法性能度量
2.5.3 并行编程模型
2.5.4 实验环境
2.6 图像分割理论
2.6.1 灰度阙值分割
2.6.2 区域生长分割
2.6.3 形变模型分割
2.7 本章小结
3 多区域图像纹理替换模型
3.1 引言
3.2 图像分割与多区域提取
3.3 区域轮廓提取
3.3.1 区域轮廓跟踪及下采样
3.3.2 分段迭代曲线拟合
3.4 区域纹理样本选择
3.4.1 图像纹理技术
3.4.2 区域纹理样本
3.5 多区域图像重建
3.5.1 区域纹理合成
3.5.2 区域轮廓重构
3.5.3 图像重建
3.6 实验结果与分析
3.6.1 图像重建质量分析
3.6.2 压缩率对比分析
3.7 本章小结
4 多区域视频纹理替换模型
4.1 引言
4.2 动态纹理概念
4.3 动态纹理模型
4.3.1 建模分析
4.3.2 时空建模
4.3.3 马尔科夫随机场
4.3.4 学习与合成模型
4.4 多区域视频纹理替换模型
4.4.1 模型设计
4.4.2 多区域视频重建
4.5 实验结果与分析
4.6 本章小结
5 多区域纹理替换模型的串行算法
5.1 引言
5.2 串行算法设计及其代码
6 基于轮廓的MPI并行算法
6.1 引言
6.2 基于轮廓的MPI并行算法设计
6.2.1 并行性分析
6.2.2 划分与通信
6.2.3 MPI并行程序
6.3 实验结果与性能分析
6.3.1 图像重建质量分析
6.3.2 时间性能分析
6.4 本章小结
7 基于参数的MPI并行算法
7.1 引言
7.2 基于参数的MPI并行算法设计
7.2.1 并行性分析
7.2.2 划分与通信
7.2.3 并行程序
7.3 实验结果与性能分析
7.3.1 图像重建质量分析
7.3.2 时间性能分析
7.4 两种MPI并行算法的时间对比分析
7.5 本章小结
8 混合MPI与OpenMP的并行算法
8.1 引言
8.2 MPI并行设计
8.3 OpenMP并行设计
8.4 实验结果与性能分析
8.4.1 图像重建质量分析
8.4.2 时间性能分析
8.5 本章小结
9 基于融合细分的多区域纹理图像重构模型
9.1 引言
9.2 模型设计
9.2.1 预处理
9.2.2 逼近与插值统一的融合细分
9.2.3 多区域重构纹理图像
9.3 实验结果与分析
9.3.1 图像重建质量分析
9.3.2 视觉显著性主观质量评价
9.4 本章小结
10 研究结论与研究展望
10.1 研究结论
10.2 研究展望
参考文献