1、隨著科學技術的發(fā)展，視頻趨向于高清化、超高清化、高幀率化。同時，與視頻相關的商業(yè)應用不斷涌現(xiàn)。視頻技術的進步和新商業(yè)應用的出現(xiàn)給我們的生活帶來便利，但視頻數(shù)據(jù)量的激增給數(shù)據(jù)的存儲和網(wǎng)絡傳輸帶來極大挑戰(zhàn)。視頻壓縮/編碼一直是緩解這一挑戰(zhàn)的有效工具。但是視頻編碼會導致視頻質(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)實需求。實現(xiàn)這一需求的途徑之一就是對壓縮后的視頻進行后處理。視頻后處理算法主要包括去隔行、幀率轉換和幀圖像增強等。本

2、文將目前廣泛應用的卷積神經(jīng)網(wǎng)絡應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)絡的幀圖像增強算法:為了應對壓縮導致的失真，本文提出一種基于卷積神經(jīng)網(wǎng)絡的自學習視頻增強方案。方案利用卷積神經(jīng)網(wǎng)絡，在編碼端以壓縮前與壓縮后的幀圖像為樣本，訓練端到端的映射，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)絡的幀率提升算法:幀率提升算法主要用來增加

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