视频数据在存储与网络传输时,通常使用标准压缩算法对原始视频进行压缩.针对压缩后视频存在压缩伪影导致视频质量下降的问题,本文提出一种基于深度学习的后处理方法提高压缩视频质量.首先,提出一种新的三维卷积时空融合网络(3D-CSTF),通过三维卷积的滤波特性提取连续视频帧之间的时空信息,并利用视频帧之间信息的强相关性来提高视频质量.其中,设计了一种用于映射和提取视频帧特征的质量增强网络(Qe-Net).其次,将7个连续的视频帧送到网络进行端到端训练,利用前3帧和后3帧的信息增强当前帧.最后,在MFQE数据集上进行训练和测试.实验结果表明,该方法在视频质量评估标准峰值信噪比(PSNR)上取得了良好的性能.当量化参数(QP)等于37、32、27和22时,相比压缩后的视频,PSNR分别增加0.82　dB、0.83　dB、0.79　dB和0.74dB.