基于卷积网络的帧率提升算法研究

• 作者: 侯敬轩 刘美琴 林春雨 白慧慧 赵耀
• 来源期刊: 计算机应用研究
• 关键词: 卷积神经网络 帧率提升 自学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 图形图像技术
• 页码范围: 611-614
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.062

摘要

基于运动补偿的帧率提升算法是目前主要的帧率提升方法.为减小内插帧中的块效应、孔洞和遮挡问题,提高插值帧质量,提出一种基于卷积神经网络(convolutional neural network)的自学习帧率提升(frame rate up-conversion)方法.卷积神经网络用于利用两相邻帧预测待插值帧.在卷积神经网络的训练阶段,假设高帧率视频是存在的,网络参数由高帧率视频与低帧率视频训练而来.最后视频数据以低帧率视频加网络参数的形式传输,在接收端就可以利用卷积神经网络重建高帧率视频.实质上,这样做是通过增加视频发布者的负担以提供给视频接收者更多便利.对于视频点播网站来说,这是提升用户体验的重要因素.实验表明,该方案相对于传统的基于运动补偿的帧率提升算法,平均PSNR提升至少0.6 dB,取得较大程度的提升,并且该方法是基于全局的帧预测方法,可以有效避免块效应、孔洞和遮挡问题.