1. 研究目的与意义（文献综述包含参考文献）
1. 前言GAN(生成对抗网络)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。
图像修复是指在一张图片中存在局部区域出现破损或空 洞,需要利用已有的边缘信息来将这些破损区域进行修复或 补全的工作.作为目前图像处理的一种重要方法,图像修复 具有重要的现实意义,尤其是在文物修复方面具有重大的历 史意义,在资料修复、虚拟现实、图像缩放等方面也具有一定 的应用价值.在数字图像修复上，不但目前的技术不是特别完善，而且在处理图像的方法上也有待改进。
以前在修复图像的算法.上都是采用都是将图像的结构和纹理看成-一个整体来进行修复，这样的算法往往会造成混乱，相互产生影响，而在针对图像破损区域修复时以前都是根据破损区或周围的已知点对整个受损区域同时进行修补，这样会直接造成修补区间不同信息之间的相互干扰.利用GAN进行图像修复，具有重要的现实意义。
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、问题解决措施及方案
1.拟研究或解决的问题本课题拟研究以下内容：以GAN模型为基础，以实现图像修复目标，设计并实现一整套修复的算法；利用大量数据集的训练，使得模型具有较高准确度的填补图像能力。
利用此模型可以实现破损图像或者模糊图像的修复和清晰化。
2.拟采用的研究手段（途径）（1） 查阅相关文献和书籍，学习有关深度学习、图像修复等相关书籍和参考文献，了解这一领域目前的研究现状。
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
