随着成像技术和显示技术的迅速发展,高清视频在日常生活中得到广泛传播与普及。高效视频编码（High Efficient Video Coding,HEVC）作为当前主流的视频编码标准,与上一代视频编码标准H.264/AVC相比,其能在相同视频质量下将压缩效率提升一倍。然而,随着视频分辨率、帧率、采样精度的增大,现有的视频编码标准无法在有限的存储和带宽资源下提供更高的视频质量,因此现有的视频编码标准的压缩效率需要被进一步提升。此外,采集与编码压缩过程会在视频中引入多种类型的失真,严重影响用户视觉体验,因此压缩后视频质量需要被进一步提升。（1）传统的视频编码器直接压缩原始视频的亮度分量与色度分量,不对其进行任何预处理。根据统计分析可知,原始视频的色度分量与亮度分量有很强的相关性,在色度分量编码过程中,其编码参数参考了亮度分量的编码参数。因此,本文提出了基于视频着色的高效视频编码方法,在编码端仅仅编码原始视频的亮度分量并训练视频着色模型,在解码端利用重建的亮度分量与模型预测其色度分量,以避免原始视频色度分量的编码。为了恢复视频色度信息,在解码器采用了生成式对抗网络模型。实验结果表明,与H.265/HEVC视频压缩编码标准相比,所提出的基于着色的视频编码方法能在不影响视频视觉质量前提下进一步压缩视频。（2）视频经过采集与压缩后存在大量失真,为了提升视频的质量,本文提出了一种基于生成式对抗网络的视频图像增强方法在视频编解码器的解码端对视频进行后处理。该方法由一个多模块级联生成网络和一个自适应多尺度判别网络组成。此外,本文提出了一种新型对比度损失,并在此基础上建立了一种新的混合损失函数以改善视频图像的视觉质量。最后,本文分别在图像数据集和视频数据集上进行性能测试,实验结果证明该算法能有效地增强视频图像质量。