全文总字数：5513字
1. 研究目的与意义（文献综述）
图像在人们日常生活以及学术研究过程中充当了非常重要的角色，一直以来，图像是人们传递信息、交流信息以及存储信息的重要载体。随着计算机领域高速发展，再加上离散数学行业的不断完善，数字图像处理技术也因此得到迅速发展，数字图像处理即通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理这一技术，一开始用于提高图像质量，随着这一技术的成熟，如今广泛地应用航天探测、医学研究、农林业、气象预测、办公教学等，对人类的发展进步做出来巨大的贡献。
数字图像处理技术的迅速发展，网络中产生了大量图像数据，在大多数领域，保持图像的完整性是十分重要的。随着科学的进步、高清数码相机的普及以及功能强大、操作简单的图像处理软件的广泛应用，对数字图像进行篡改操作越来越容易，即使是初学者也可以通过图像处理软件篡改图像内容。模糊篡改操作是这些众多篡改手段中常用的方法之一，伪造者利用模糊操作来隐藏篡改痕迹，极大地破坏了数字图像的安全性，所以有效识别图像的模糊区域成为了十分迫切的需求，判别图像的模糊区域也是图像识别领域相关研究的重要内容之一。
深度学习是机器学习领域一个新的研究方向，深度学习是指学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习中的一类代表算法是神经网络算法，包括卷积神经网络(cnn)、自编码神经网络、递归神经网络以及循环神经网络等等，神经网络是一种模拟人脑的神经网络以期望能够实现类人工智能的机器学习技术，从上个世纪六十年代神经网络结构在大脑视觉系统中被首次发现开始，神经网络算法逐步得到发展并取得了巨大的成就。cnn在诸多领域得到应用，特别是语义分割、图像检索、物体检测等计算机视觉问题；自编码器作为深度学习中无监督学习的代表，由于其所具有的良好的特征学习能力以及可以处理大量无标签数据、节省人力物力的优点，也受到了很多研究者的青睐。
2. 研究的基本内容与方案
从上述分析可以看出，基于深度学习的图像模糊区域检测有着巨大的研究价值，在未来很长一段时间仍将是研究的热点。本文研究了神经网络算法在图像模糊检测中的应用，特别是与卷积神经网络或者自编码神经网络相结合的检测算法。在对相关算法分析总结的基础上，结合现有研究成果，提出一种图像模糊区域检测算法并进行理论分析和仿真实验。论文内容具体安排如下：
第一，对这项研究作一个初步的认识与了解。首先引出问题，这一研究课题的背景是怎样的，以及做这项研究到底有什么意义。接着给出国内外当前研究的水平，取得了哪些重要成果。最后简明扼要的概括论文的主要研究内容和每一章节的安排。
第二，介绍卷积神经网络或者自编码神将网络算法。首先是深度学习理论，包括常见的几种神将网络算法，并结合一些经典的算法来具体说明。随后介绍模糊图像块的基本模糊特征。最后阐述神经网络算法与图像模糊区域检测的密切联系，为后面算法的提供理论基础。
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。选择合适的英文文献，完成文献翻译，确定方案，完成开题报告。
第4－6周：熟悉掌握基本理论，熟悉开发环境。
第7－9周：编程实现各算法，并进行仿真调试。
4. 参考文献（12篇以上）
[1]靳欢欢,姚继锋,钟裕标,李峰.一种适用于航空影像的无参考模糊探测方法[j].测绘科学,2019,44(06):198-203.
[2]胡绍海,王敏茜.基于区域检测分割的运动模糊图像复原[j].北京交通大学学报,2019,43(05):20-26.
[3]kamonan, loew m. automatic detection of simulated motion blur in mammograms[published online ahead of print, 2020 feb 4]. med phys.2020;10.1002/mp.14069. doi:10.1002/mp.14069
