科研之友
微信
新浪微博
Facebook
分享链接
摘要
图像视频质量增强是为了减轻或消除其在有损压缩过程中的质量损失,从而生成得到更接近无损的高质量图像视频。直方图均衡、灰度变换等传统的图像质量增强方法是直接对图像的像素值进行处理,低通滤波、高通滤波等是对经过傅里叶变换后的图像频谱成分进行处理。近年来随着深度学习方法的广泛运用,出现了大量基于卷积神经网络、生成对抗网络、长短时记忆网络等深度神经网络进行图像视频质量增强的方法。本文对近年来基于深度学习的图像视频质量增强方法进行全面的综述,分为图像和视频两类:图像质量增强包括基于卷积神经网络和生成对抗网络的方法,视频质量增强包括基于卷积神经网络,生成对抗网络和长短时记忆网络的方法。本文介绍了图像视频质量增强的经典工作,并总结了几种神经网络的实现过程,整理不同方法的数据库以及相应的实验结果对比。最后,本文分析了现有方法存在的不足,及其可能的发展方向。
- 单位
