DPW-SDNet：用于 JPEG 压缩图像软解码的双像素-小波域深度 CNN
计算机视觉与模式识别
2018-05-29 v1
摘要
JPEG 是广泛使用的有损压缩方法之一。JPEG 压缩图像通常存在块效应和模糊等压缩伪影，尤其在低码率下更为严重。软解码是一种在不改变编解码器或引入额外编码比特的情况下提升压缩图像质量的有效方案。受深度卷积神经网络(CNNs)在低层和高层计算机视觉问题上优异性能的启发，我们提出了一种基于双像素-小波域深度 CNN 的 JPEG 压缩图像软解码网络，即 DPW-SDNet。像素域深度网络将压缩图像的四个下采样版本组成 4 通道输入并输出像素域预测，而小波域深度网络利用一级离散小波变换(DWT)系数组成 4 通道输入以产生 DWT 域预测。像素域与小波域的估计相结合生成最终的软解码结果。实验结果表明，所提出的 DPW-SDNet 优于多种最先进的压缩伪影去除算法。
引用
@article{arxiv.1805.10558,
title = {DPW-SDNet: Dual Pixel-Wavelet Domain Deep CNNs for Soft Decoding of JPEG-Compressed Images},
author = {Honggang Chen and Xiaohai He and Linbo Qing and Shuhua Xiong and Truong Q. Nguyen},
journal= {arXiv preprint arXiv:1805.10558},
year = {2018}
}
备注
CVPRW 2018