基于卷积神经网络的图像恢复方法设计开题报告

全文总字数：1712字

1. 研究目的与意义

随着科技的不断发展，图像作为人们获取信息的重要媒介之一，被广泛应用于军事、医疗、考古、社会治安等多种领域。

然而在图像获取过程中往往会因为外界各种因素导致图像信息丢失，如由于设备原因使捕获图像时图像不清晰或者存在大量噪声，又如在各种古迹当中由于年限长久致使画面模糊、字迹不清等。

通过图像修复技术，有利于使捕获到的模糊图像变得清晰，使得在抓捕罪犯、治疗疾病、研究历史等进程中取得更高效的进展。

2. 国内外研究现状分析

由于深度学习的发展，卷积神经网络用于图像修复近几年来得到广泛应用。

在国内：朱新山、钱永兴等[[]]提出一种基于深度神经网络图像修复取证的算法，该算法可通过编码器自动提取图像修复遗留的痕迹，通过解码器检测像素类别，采用特征金字塔网络对解码器中的特征图进行信息补充。

他们经过实验发现这种做法使得修复区域定位更准确，处理速度更快。

3. 研究的基本内容与计划

研究内容：本课题是通过学习利用卷积神经网络搭建一个算法，让计算机进行学习，训练，构建出图像修复模型。

并制作出事物，完成课题任务。

研究计划：1～3 周 收集资料文献，完成开题报告和文献综述4～5 周 设计总体方案，并学习相关软件的使用6～8 周 数据准备，网络设计9～11 周 网络训练，网络测试11～12 周 系统调试，完善修改13～15 周 撰写毕业论文16 周 毕业设计答辩

4. 研究创新点

用深度学习的方法训练出一个卷积神经网络的图像修复器，实现图像去噪，文字去模糊的功能。

此课题可以广泛应用国防军事、医疗卫生。

日常生活等领域，提高了图像辨识度有助于科技发展。