1. 毕业设计（论文）的内容和要求

图像获取、转换与传输等过程中, 不可避免地 受到成像设备自身因素与外界环境条件影响而出现 一些随机、离散或孤立的点, 即图像噪声. 噪声对 后续图像分析, 如图像分割、特征提取、图像识别等 产生直接影响. 为抑制噪声, 改善图像质量需进行图 像去噪, 以提高图像峰值信噪比 (Peak signal noise ratio, PSNR) 与降低均方误差(Mean square error, MSE), 突出图像特征信息. 稀疏低秩矩阵分解方法将图像视作一个低秩的原始图像矩阵与一个稀疏的噪声矩阵的组合，通过矩阵分解实现图像的去噪。

2. 参考文献

[1] liu z, vandenberghe l. interior-point method for nuclear norm approximation with application to system identification[j]. siam journal on matrix analysis amp; applications, 2009, 31(3):1235-1256.

[2] 史加荣, 郑秀云, 魏宗田,等. 低秩矩阵恢复算法综述[j]. 计算机应用研究, 2013, 30(6):1601-1605.

[3] ganesh a, ma y, rao s, et al. robust principal component analysis: exact recovery of corrupted low-rank matrices via convex optimization[j]. journal of the acm, 2009, 58(3):1-73.

3. 毕业设计（论文）进程安排

2017年1月1日-1月24日： 做好调研及参考文献的下载和阅读； 1月24日-2月16日： 翻译外文文献并提交； 2月26日-3月15日： 完成绪论写作，需在绪论中明确研究的背景、意义、国内外相关进展，论文后 继章节的内容安排 3月15日-3月25日： 完成论文中所有的理论介绍部分；并开展中期报告； 3月25日- 4月5日： 给出课设中自己所用算法的流程图； 4月5日- 4月25日： 编程实现关键算法； 4月25日- 5月1日： 整理自身工作，完成核心章节的文字表述； 5月1日- 5月5日： 性能对比实验：将之前的工作与现有的经典算法做对比。要求与3种以上算法 做比较 5月5日- 5月15日： 将对比实验进行文字表述；撰写 ”总结与展望”，”致谢”等； 5月15日- 5月20日： 论文初审； 5月20日- 6月1 日： 论文修改和排版； 6月1日- 6月5 日： 论文装订和答辩PPT制作； 6月5日- 6月10日： 预答辩；