计算机应用

作者：林传健, 邓炜, 童同, 高钦泉

单位：1. 福州大学 物理与信息工程学院, 福州 350116;2. 福建省医疗器械与医药技术重点实验室(福州大学), 福州 350116;3. 福建帝视信息科技有限公司, 福州 350116

关键词：深度学习,卷积神经网络,去模糊,体素流,视频插帧

基金：国家自然科学基金资助项目（61802065）。

针对视频运动模糊严重影响插帧效果的情况，提出了一种新型的模糊视频插帧方法。首先，提出一种多任务融合卷积神经网络，该网络结构由两个模块组成：去模糊模块和插帧模块。其中，去模糊模块采用残差块堆叠的深度卷积神经网络（CNN），提取并学习深度模糊特征以实现两帧输入图像的运动模糊去除；插帧模块用于估计帧间的体素流，所得体素流将用于指导像素进行三线性插值以合成中间帧。其次，制作了大型模糊视频仿真数据集，并提出一种先分后合、由粗略至细致的训练策略，实验结果表明该策略促进了多任务网络有效收敛。最后，对比前沿的去模糊和插帧算法组合，实验指标显示所提方法合成中间帧时峰值信噪比最少提高1.41 dB，结构相似性提升0.020，插值误差降低1.99。视觉对比及重制序列展示表明，所提模型对于模糊视频有着显著的帧率上转换效果，即能够将两帧模糊视频帧端对端重制为清晰且视觉连贯的三帧视频帧。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期