随着信息技术的高速发展,移动设备的逐渐普及,多媒体应用广泛流行,各式各样的多媒体内容极大丰富了人们的日常生活。其中,数字视频是多媒体应用中最常用的信息载体之一。原始视频由于数据量巨大难以投入实际应用之中,为了高效的存储,传输及应用视频数据,往往需要对视频数据进行压缩。国际化标准组织于20世纪80年代起开始建立视频编码的国际标准,目前正在开展新一代的视频编码标准VVC的研究。环路滤波技术是视频编码的关键技术之一。为了取得较高的压缩比,一般采用有损压缩的方式对视频进行压缩。压缩后的视频往往伴有块效应,振铃效应和模糊等失真。当前编码标准使用环路滤波技术对压缩后的重构像素进行处理,有效改善了视频质量。另外,环路滤波有利于提高后续压缩过程中帧间预测的准确性,能够进一步的提升压缩性能。近年来,卷积神经网络在众多计算机视觉任务上取得令人瞩目的成绩,为进一步提升视频压缩性能提供了新的思路。本文结合视频压缩和卷积神经网络的原理,重点研究卷积神经网络在视频压缩环路滤波技术中的应用。本文在新一代的视频编码国际标准VVC的基础上,从性能和速度两方面对基于卷积神经网络的环路滤波技术开展了深入的研究,主要创新及贡献如下:(1)本文提出了一种基于卷积神经网路的环路滤波算法。为了能够学习压缩前后视频图像之间的映射,本文设计了一种全新的卷积神经网络结构,称为密集残差网络。该网络不仅能够充分利用多层级的特征,而且能有效的进行特征复用,特征融合。通过将该算法与最新的视频编码国际标准VVC结合,进一步提升了编码性能。(2)本文对所提出的基于卷积神经网路的环路滤波算法的优化加速进行了研究。尽管基于卷积神经网络的环路滤波算法能够带来大幅度的编码性能提升,但其引入的复杂度难以满足视频压缩实际应用的要求。本文从计算效率上对所提出的模型进行分析,提出一个轻量高效的卷积神经网络模型。