登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 电子信息类 > 电子信息科学与技术 > 正文

基于深度学习的图像去噪及应用开题报告

 2020-04-30 04:04  

1. 研究目的与意义(文献综述)

一 图像去噪的目的和意义

随着计算机技术的飞速发展,人们的日常生活中充满着各种各样的信息,包括文字、图像、视频和动画等等,而这些信息大多以图像的形式出现,视频也是由一帧一帧的图像构成。因此各类图像处理应运而生,包括图像增强、图像复原、图像分割、图像压缩编码等等,其目的是提高图像的视感质量,提取图像中所包含的某些特征和特殊信息,对图像数据进行变换、压缩和编码以便于图像的存储和传输。然而在图像的采集、存储和传输过程中,极有可能遭受噪声的污染,使图像的质量下降。图像噪声使图像变得模糊,甚至淹没图像特征,给分析带来困难。因此图像的去噪处理是对图像做进一步分析处理的必要步骤。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

一 研究(设计)的基本内容

本文在阅读大量有关深度学习、卷积神经网络和图像去噪方面的文献后,对各类图像去噪算法及卷积神经网络有了更加深入的了解。研究的基本内容包括:

⑴介绍图像去噪、深度学习方面的有关理论知识。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

第1-3周:查阅深度学习以及图像去噪方面的相关文献资料,明确研究内容,了解构建卷积神经网络所需的技术语言和深度学习框架,初步搭建并熟悉开发环境。确定方案,完成开题报告。

第4-6周:阅读相关参考文献,学习卷积神经网络在图像去噪上的相关理论和算法,确定所使用的框架并大致构建网络体系。

第7-10周:在相关图像数据集上进行训练与论证,并完成传统的图像去噪算法和基于卷积神经网络的图像去噪算法的分析比较。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]ian goodfellow,yoshua bengio,aaron courville.deep learning[m]. massachusetts:the mit press,2016:326-366.

[2]何东健,耿楠,张义宽.数字图像处理[m].第2版.西安:西安电子科技大学出版社,2008:61-66.

[3]李传朋,秦品乐,张晋京.基于深度卷积神经网络的图像去噪研究[j].计算机工程,2017(3):253-260.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图