1. 研究目的与意义（文献综述）
随着科技的快速发展,人类获取信息的途径变得日益广泛。其中图像往往包含比语音、文字更丰富的信息,已经成为人类获取外界信息的主要途径,在人们的生活中占据着重要的地位。然而在图像的获取过程中,成像设备与拍摄场景发生了相对位移,导致实际获取的图,像存在信息丢失、模糊退化的现象。这极大地影响图像的质量,影响人们的视觉体验,也会影响图像的后续处理,如特征提取、边缘检测、图像分割等。因此,借助一定的手段避免图像退化或者由退化后的图像复现出原本清晰的图像,获得尽可能多的有用信息具有极其重要的意义。随着科技的逐渐发展和人们需求的不断提高,对图像的质量需求也在不断的提高,由于不可避免的因素影响导致图像失真,需要采取措施恢复清晰图像,因此对运动模糊图像的去模糊算法的研究是非常重要的。运动模糊图像去模糊的目的在于,使用一定的算法将模糊图像恢复到清晰的包含丰富细节的原图像。图像去模糊技术的应用将随着科技和人类文明的进步不断地发展,与此同时,人们对图像去模糊效果的要求更加严格,因此去模糊技术的探索在学术界和社会应用中都具有重大意义和经济价值。综上所述,运动模糊具有普遍性和不可避免性,这极大地影响了人们的生产生活。多年来数字图像处理技术的不断发展和数学理论知识不断走向实际应用,大量学者对图像盲去模糊这一基本问题进行了深入研究,使得该技术在实际应用和理论上都有较大的突破。现如今,图像盲反卷积技术已经在工业界和科研领域得到了广泛的应用,如图像超分辨率重建、医学成像、摄影学、遥感图像、交通监控、目标识别与追踪、天文探测、光学以及军事和公共安全等领域。与此同时,人们对盲复原得到的清晰图像的视觉质量,也有了更高的要求。因此,针对运动图像盲复原问题展开研究就显得非常有必要。
经典的图像复原去模糊方法如逆滤波方法、维纳滤波法、约束最小二乘法以及最大熵法等,这些方法都是已知模糊函数或模糊核的情况下的复原图像,而实际上更多情况的只有模糊图像,模糊函数往往是不知道的,这种盲去模糊更加符合现实,具有更大的使用价值和挑战性。
当前主流的去模糊方法都是基于清晰图像和模糊图像的先验特征,这些先验是指研究自然图像的特点,然后构建其数学代价函数模型。人们不断学习和研究图像特征,提出各种先验模型来逼近自然图像。
2. 研究的基本内容与方案
2.1基本内容和目标
本次毕业设计的内容是基于cnn（卷积神经网络）的图像去模糊算法及实现，卷积神经网络（convolutional neural networks, cnn）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习（deep learning dl）的代表算法之一。cnn可以将图像作为直接输入，避免了手动提取图像特征这一复杂的前期预处理，因此能够得到广泛的应用。利用cnn自动提取图像特征方面优越性，构造出将原本的真实清晰图像和模糊图像联系起来的cnn模型，同时可得出模糊图像和真实清晰图像之间的映射函数。
2.2技术方案及措施
3. 研究计划与安排
1、325前，完成上传开题报告和外翻译2、48前，根据实际研究进展，完成第1次阶段性成果报告。
3、410前，学补充专业知识并根据相关文献和所学知识及老师指导检查是否按计划进度执、研究向是否出现偏差4、425前，学补充专业知识并根据相关文献和所学知识及老师指导根据实际研究进展，完成第2次阶段性成果报告。
5、515前 根据实际研究进展，完成第3次阶段性成果报告。
4. 参考文献（12篇以上）
[1]r. k¨ohler, m. hirsch, b. mohler, b. sch¨olkopf, ands. harmeling. recording and playback of camerashake: benchmarking blind deconvolution with a real-worlddatabase. in eccv, pages 27–40. springer, 2012. 6
[2] w.-s. lai, j.-b. huang, z. hu, n. ahuja, and m.-h. yang. acomparative study for single image blind deblurring. in proceedings of the ieee conference on computer vision andpattern recognition, pages 1701–1709, 2016. 8, 16
[3] y. li, s. b. kang, n. joshi, s. m. seitz, and d. p. huttenlocher. generating sharp panoramas from motion-blurredvideos. in cvpr, 2010. 2
