陈中平，徐迈，刘铁

（北京航空航天大学，北京 100191）

1 绪论

1.1 研究背景和意义

在如今信息化时代下，各种互联网数据在互联网中传播时会耗费大量的互联网流量，其中图像和视频数据占据的比例越来越大。图像和视频在带宽受限的互联网中传播时，为了降低图像视频码率，节省传输带宽，通常会使用有损压缩算法对图像视频进行压缩，对于图像有JPEG［1］、JPEG-2000［2］等，对于视频有MPEG-1［3］、MPEG-2［4］、MPEG-4［5］、H.264/AVC［6］和HEVC［7］等。但是图像和视频经过有损压缩就会出现失真现象，例如块效应、纹理模糊、振铃现象、形状畸变等，而图像视频中存在这些失真会严重影响到观看者的主观感受。因此，对于经过有损压缩后的图像视频进行质量增强十分必要。

1.2 研究现状

对于有损压缩图像的质量增强，在早期有很多基于传统方法进行处理的工作。比如，2004年Liew 等人［8］提出了利用过完备的小波表示方法去除压缩后图像的块效应；2013年Wang 等人［9］又提出通过对块边界进行滤波处理来消除JPEG 图像的块效应。近年来随着深度学习在图像处理和计算机视觉等领域的广泛应用，Dong 等人［10］在2015年根据他们之前的超分辨率工作中的重建网络，设计了一个用于提升JPEG 图像质量的四层的卷积神经网络（Convolutional Neural Network，CNN)；除了卷积神经网络的应用，Galteri 等人［11］于2017年提出了一种用生成对抗网络（Generative Adversarial Network,GAN）训练的完全卷积残差网络，可以产生更适合人眼视觉的高质量图像；2020年Jin 等人［12］提出了一种包含了残差学习和递归学习的网络，还采用了横向连接传输在不同频率流中提取特征用于图像增强。……