【注】参考自 Jiaying Liu 等的论文「A Comprehensive Benchmark for Single Image Compression Artifact Reduction」。

1. 常用数据集

1.1 数据集特征

常用数据集

1.2 数据集性能

数据集比较

2. 研究历史

研究历史
压缩图像增强主要分为深度学习方法和非深度学习方法。

2.1 非深度方法

非深度方法

2.2 深度方法

深度方法目前主要分为两个主流:

  • 研究更好地网络结构
  • 研究更好地利用 DCT 域信息

深度方法研究方向
深度方法
深度方法网络结构
深度方法PSNR

2.3 性能指标

性能指标

3. JPEG 压缩增强

JPEG 编码导致图像失真的主要因素:

  • 量化过程导致 Blocking Artifacts
  • 去除高频信息导致 Blurring
  • 在尖锐的图像边缘出现 Ringing Artifacts
  • 过大的量化(QF 较小时)导致光滑区域出现 Banding Effects