汤博文，吴晓红，何小海，陈洪刚，熊淑华

(四川大学 电子信息学院，四川 成都 610041)

0 引言

传统的编解码标准如H.264和H.265通过去方块滤波和样点自适应技术对压缩视频质量有一定提升作用，但实际取得的视觉提升效果却很有限。

超分辨率技术可使图像呈现更好的观感，即展现更多细节信息。基于卷积神经网络的超分辨率方法[1-3]可以实现较传统方法更高质量的图像超分辨率。VRCNN[4]创新性地采用视频帧连续性的特点，通过输入多帧图像对当前视频帧进行超分辨率。

传统的图像去噪技术大多采用线性或非线性的滤波器如高斯滤波器[5]或域变换加权[6]，难以实现多种噪声同时去除。基于学习的噪声去除方法[7-8]却能很大程度上规避这一缺点，具有一定泛化性。基于自适应分割块的变换神经网络ASN[9]和多帧视频质量增强网络MFQE[10]先后被提出，其中前者利用H.265中块编码的CU分块信息来增强对压缩伪影的去除效果，而后者则利用视频帧间相关性的特点，实现多帧输入的质量增强。

大多数的视频质量增强方法存在一定局限性，一些方法聚焦于单帧的视频增强方法，强调采用图像的质量增强手段，而忽略了视频帧之间的时间相关性和空间相关性；同时，有方法考虑将CU信息融合进质量增强部分，但效果仍不理想；还有一些方法利用了帧间相关性的特点，但是却忽略视频解码帧的低质量特点，未考虑不同尺寸压缩伪影的影响，使得特征提取不符合分布特性，导致最终的增强帧效果不明显。……