1. 研究目的与意义（文献综述）

1.1课题研究背景和意义

所谓“图”，就是物体反射或者透射电磁波的分布；所谓“像”，就是人的视觉系统对接收的图信息在大脑中形成的印象。具体的说，所谓“图像”，就是用各种观测系统以不同形式和手段观测客观世界而获得的、可以直接或间接作用于人的视觉系统而产生的视知觉实体^[1]。图像包含丰富的颜色、纹理、形状等特征，是人类主要视觉信息的来源。人类通过视觉获得的信息更利于记忆和便于理解。图像是利用多种观测系统包含人眼成像以不同的形式和手段得到的，其记录的信息无论是在生活还是科学研究中都非常重要。随着科学技术的飞速发展，近些年来图像复原技术深入到太空探索、医学图像、天文遥感、安全监测、案件侦破等各个领域，在其中发挥了重要作用。

然而，在图像的形成、传输、存储、记录和显示过程中，由于光学系统的像差、成像系统的非线性、大气扰动、运动、散焦和系统噪声等因素的影响，它们都会造成图像的模糊和变形，从而造成图像的退化，图像的信息就会部分或者完全丢失从而影响正常的使用^[2]。要想得到高质量的原始数字图像，很多情况下，都需要对图像进行复原处理，使其和原图像尽可能的贴近.模糊种类又分为三类：高斯模糊、运动模糊和散焦模糊^[3-4]。模糊图像复原根据点扩散函数(point spread function, psf)^[5-6]是否已知将图像复原分为两种，当 psf 函数已知时为非盲复原^[7]，如果 psf 函数未知则称为盲复原^[8]。非盲复原方法一般有逆滤波、维纳滤波法等传统方法^[9]，但这类方法需要大量的先验知识（比如psf和噪声函数）需要对模糊核进行估测，存在鲁棒性^[10]不够强，恢复的图像具有伪迹效应^[9]，已经不太符合实际中的需求。而盲复原方法^[11]因为存在两类，一类为先估测模糊核，然后用经典的算法估计出原始的清晰图像，另一类则是对模糊核和清晰图像同时进行估计，两者交替进行学习。而盲复原方法中近些年广泛应用的就是卷积神经网路算法了，它不需要大量的先验知识。

2. 研究的基本内容与方案

2.1研究的基本内容

本文主要研究的是针对低分辨率退化图像的复原，利用深度学习技术和卷积神经网络设计一个较为快速、有效的图像模糊去除方法，这个方法的关键在于先搭建一个cnn模型，在python软件进行算法的编程环境下，完成算法程序的编程后，然后使用大规模图像数据cnn模型，并且根据输入输出图片的差别，对算法中的一些参数进行调节，以期获得更好的映射关系，使cnn模型更加完善，并且以cnn 模型为基础，与其他算法相结合，看是否能搭建更加优化的模型。

2.2 技术方案及措施

3. 研究计划与安排

第1-2周：确定选题，英文文献翻译；

第3-4周：查阅文献，撰写开题报告；

第5-6周：python软件和语言编程的学习；

4. 参考文献（12篇以上）

[1] 李俊山, 李旭辉. 数字图像处理[m]. --2版. --北京：清华大学出版社, 2013.

[2] 莫德举, 梁光华. 数字图象处理[m]. 北京：北京邮电大学出版社, 2010.