基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮視頻后處理.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，視頻趨向于高清化、超高清化、高幀率化。同時(shí)，與視頻相關(guān)的商業(yè)應(yīng)用不斷涌現(xiàn)。視頻技術(shù)的進(jìn)步和新商業(yè)應(yīng)用的出現(xiàn)給我們的生活帶來(lái)便利，但視頻數(shù)據(jù)量的激增給數(shù)據(jù)的存儲(chǔ)和網(wǎng)絡(luò)傳輸帶來(lái)極大挑戰(zhàn)。視頻壓縮/編碼一直是緩解這一挑戰(zhàn)的有效工具。但是視頻編碼會(huì)導(dǎo)致視頻質(zhì)量下降，所以在不增加數(shù)據(jù)量的情況下，提高視頻質(zhì)量成了現(xiàn)實(shí)需求。實(shí)現(xiàn)這一需求的途徑之一就是對(duì)壓縮后的視頻進(jìn)行后處理。視頻后處理算法主要包括去隔行、幀率轉(zhuǎn)換和幀圖像增強(qiáng)等。本

2、文將目前廣泛應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到視頻的后處理中，提高了壓縮后視頻的質(zhì)量，完成的工作主要包括:
　　(1)基于卷積神經(jīng)網(wǎng)絡(luò)的幀圖像增強(qiáng)算法:為了應(yīng)對(duì)壓縮導(dǎo)致的失真，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)視頻增強(qiáng)方案。方案利用卷積神經(jīng)網(wǎng)絡(luò)，在編碼端以壓縮前與壓縮后的幀圖像為樣本，訓(xùn)練端到端的映射，在解碼端以低質(zhì)量的視頻序列與神經(jīng)網(wǎng)絡(luò)參數(shù)即可重建高質(zhì)量視頻序列。
　　(2)基于卷積神經(jīng)網(wǎng)絡(luò)的幀率提升算法:幀率提升算法主要用來(lái)增加

3、視頻幀頻以消除低幀率視頻序列可能存在的運(yùn)動(dòng)模糊及影像抖動(dòng)問(wèn)題。為了達(dá)到這一目的，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)幀率提升方案。方案中利用卷積神經(jīng)網(wǎng)絡(luò)，以兩相鄰幀預(yù)測(cè)待插值幀。與傳統(tǒng)的基于塊運(yùn)動(dòng)補(bǔ)償?shù)膸侍嵘惴ㄏ啾?，本文方法基于全局預(yù)測(cè)，可有效避免孔洞效應(yīng)和遮擋效應(yīng)。
　　(3)基于卷積神經(jīng)網(wǎng)絡(luò)的非對(duì)稱立體視頻壓縮后處理算法:在多視點(diǎn)視頻編碼中，非對(duì)稱立體視頻壓縮是一種廣泛使用的視頻壓縮方法。雖然非對(duì)稱的編碼方法的壓縮效率相對(duì)