早期隔行（交错）视频通常包含复杂的交错横纹和各类压缩伪影,严重影响了主观视觉体验。尽管近年来针对早期视频的高清重建技术取得了很大进展,但有关视频去隔行研究依旧匮乏。随着人们对视频内容不断增加的多元化需求,早期经典视频的增强重建受到了越来越多的关注和应用。针对上述问题,本文提出了一种基于多帧的隔行视频联合增强模型,实现低质量隔行视频的交错去除,压缩伪影去除,超分辨率等增强任务,同时还将所提算法进行改进并应用更为广泛的压缩视频增强任务上。本文的工作主要包括以下两点:（1）本文构建了一个基于多帧的早期隔行视频联合增强网络用于全面提升早期隔行视频画质。传统去隔行方法和基于深度网络的单帧方法大多只实现单独的交错伪影去除,无法很好的处理老视频中混杂一起的复杂不自然效应,恢复干净画面。针对上述问题,本文从现有的单帧模型出发,将多个交错帧分场进行垂直内插,同时提出了轻量的对齐融合模块,通过学习更具适应性的偏移利用可变型卷积以高效的进行时间对齐和聚合,从而减少压缩伪影等复杂假象对帧间运动的负面影响,以此使来自不同时间序列多个场的信息得以充分利用,进而有效去除老视频中的复杂混合不自然效应。所提方法在真实早期隔行视频以及合成数据集上获得了优异和视觉良好的主客观结果,验证了有效性。同时,所提方法还在权威基准库MSU Deinterlacer Benchmark的去交错任务上取得了第一的成绩。（2）本文将改进后的多帧增强算法应用在压缩视频增强任务。与早期隔行视频相比,互联网压缩视频的帧间关联性和帧内压缩块效应具有不同的规律和特点,根据这些特点,本文在原有模型基础上提出了改进的深度特征提取块和带有注意力机制的逐步融合模块以更充分的利用帧间时序相关性,从而重建出高质量视频。最后,在多个测试序列上取得了良好的性能和明显的主观提升,验证了该算法的有效性。