基于块编码特点的压缩视频质量增强算法

• Published in: 北京工业大学学报 Vol. 50; no. 9; pp. 1069 - 1076
• Main Authors: 于海, 杨磊, 高阳, 刘枫琪, 刘鹏宇, 孙萱, 张悦
• Format: Journal Article
• Language: Chinese
• Published: 计算智能与智能系统北京市重点实验室,北京 100124 01.09.2024; 先进信息网络北京实验室,北京 100124; 河南九域恩湃电力技术有限公司,郑州 450000%北京工业大学信息学部,北京 100124
• Subjects: convolutional neural network(CNN); deep learning; 高效视频编码(high efficiency video coding,HEVC); 3D convolutional neural network(3D-CNN); compressed video quality enhancement; 压缩视频质量增强; 深度学习; 卷积神经网络(convolutional neural network,CNN); high efficiency video coding(HEVC); 视频编码; video coding; 三维卷积神经网络(3D convolution
• ISSN: 0254-0037
• DOI: 10.11936/bjutxb2022080003

TN919.81; 针对现有压缩视频质量增强算法未能充分利用压缩视频特点的问题,研究了视频编码与压缩视频质量增强任务之间的本质关系,并针对性地设计了一种基于三维卷积神经网络(3D convolutional neural network,3D-CNN)的非对齐压缩视频质量增强算法.实验结果表明:相较于高效视频编码(high efficiency video coding,HEVC)标准H.265,所提算法在低延迟(low delay,LD)配置下且量化参数(quantization parameter,QP)为37 时,峰值信噪比(peak signal-to-noise ratio,PSNR)提升了 0.465 2 dB;相较于数据压缩会议(data compression conference,DCC)中提出的多帧引导的注意力网络(multi-frame guided attention network,MGANet)方法,该算法PSNR的增长量提升了15.1%.