基于Auto Encoder-Decoder的图像去噪研究开题报告

 2020-02-10 11:02

1. 研究目的与意义(文献综述)

日常生活中图像无处不在,是一种普遍的信息载体,而在传输图像的过程中可能会受到许多方面的影响导致噪声的产生,从而对后续的图像识别产生不利的影响。因此,图像去噪作为图像修复不可或缺的一步,显得尤为重要。

目前存在的传统去噪方法主要有空域和频域两类。空域的去噪方式大多是使用各种滤波器并加以创新和改进;频域的去噪方式则基于各种变换公式,如小波变换。

神经网络作为一种新的研究领域,随着计算能力的增长和理论的完善,已经在语音,图像,文本等信息处理和识别等领域取得了重大成果。而卷积神经网络作为深度神经网络的一种,有其独特的优越性。

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

2.1研究的基本内容和目标


本文拟采用卷积神经网络,研究一个基于卷积自编码器的图像去噪系统。针对深层模型,图像噪声强度较大,降噪图像会丢失边缘和纹理等细节信息造成图像模糊的问题,采用cnn模型构建一个自编码器网络进行图像去噪,在一般的单隐藏层自编码器的基础上建立多隐藏的深度学习网络,在一般形式的自编码器基础上,采用卷积自编码器来构建神经网络,最后与传统的非局部均值图像去噪方法的去噪结果进行比较。


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!

3. 研究计划与安排

1-3周:查阅文献,完成开题报告
4-6周:总体设计,完成论文综述
7-10周:设计算法,功能模块设计
11-13周:编码和测试
14-15周:写论文,提交初稿,给老师检查,修改定稿,答辩。

4. 参考文献(12篇以上)


[1]rumelhart de,hinton ge,williams rj,learningrepresentations by back-propagating errors[j].nature,1986,323(6088): 533–536.


剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;