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。

2. 研究的基本内容与方案

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。

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.