1. 研究目的与意义
研究背景：在信息时代下，数字图像成为最为常见的信息载体，可以说社会生产、人类生活中都已经充满了数字图像信息。信息技术的发展衍生出了大数据，让数字图像的产生速度、规模成几何形式增长，传统技术已经无法满足图像信息处理任务要求，社会更加迫切需要高效率、智能化的处理方案。对于图像处理来说，特征表达是重中之重，传统特征设计主要是人工完成，但由于过程十分复杂，对操作者自身要求非常高，所以自动化的高效图像处理是必然发展趋势。深度学习作为新时期的新概念，更多是在数据当中自动提取多层次特征信息，采用了数据驱动方法，通过相关的非线性转换，在原始数据中提取多层特性，让数字图像更具表达力、泛化力，从而满足图像处理高效陛的发展要求。
随着科学发展，互联网的发展给现代的人们带来了极大的方便，现代的人们获取自己所需的信息的速度越来越快，随着互联网的快速发展，图片成为主要的信息载体，但由于我们无法对图片中的内容检索就大大降低了找到关键内容的效率。在解决这一问题的过程中计算机的图像识别技术就格外的重要。图像识别技术是依据人类本身对图像的判断能力进而产生的，而深度学习也在互联网领域影响极其重大。 图像是对人类来说是一种直观的麦现方式，我们可以通过图像获取视觉的内容，并且了解其含义，可是对计算机来说，它只能通过图像得到对应的数字矩阵，而通过矩阵来理解内容有一定的难度。因此为了便于计算机理解图像所表达的意义以及传递的思想，需要用到图像分类来解析成计算机可以理解的内容。简单的图像分类包括为图像打上一个具体的标签。复杂的图像分类可以分析图像内容并以人类可以读懂的语句来反馈。
研究目的：基于深度学习的图像识别技术为人们带了便利，可以在很多领域中应用并发挥作用，但是这种技术依然存在一定的缺陷，应该进一步提高精准度，这样才能够更好地将这种技术应用到人们的工作和生活中。
2. 研究内容与预期目标
研究内容：显示系统中的图像处理引擎，能够指挥和协调显示系统中各项功能对图像信号进行逐个优化，从而在已有硬件的基础上进一步通过软件形式提高显示性能和效果。许多深度学习的架构已经被应用到图像的端对端处理和转换领域，本题目要求研究基于深度学习的图像处理引擎，探寻在图像质量和处理实时性方面平衡的方法。
预期目标：在完成以上设计任务的过程中要求掌握图像分析处理的设计和编程方法，实现规范编程。发挥想象力和创新力，在实现基本设计的基础上，有创新意识，敢于创新，独立思考，认真完成设计中要求的内容和任务。
3. 研究方法与步骤
1． 研究方法：
（1）利用MATLAB软件平台，研究显示系统中图像处理引擎技术。
（2）参考各类文献，改革创新。
4. 参考文献
[1]尹宝才，王文通，王立春．深度学习研究综述[J]．北京工业大学学报，2015，41（1）： 48-59．
[2]夏长林．深度学习在图像识别中的应用[J]．电脑知识与技术，2019，15（33）：185-186．
[3]郑远攀，李广阳，李晔．深度学习在图像识别中的应用研究综述[J]．计算机工程与应 用，2019，55（12）：20-36．
5. 工作计划
（1）1月8日至3月5日(1周前)：根据任务书， 明确设计的内容和目的 ，查阅相关文献材料准备开题报告。
（2）3月8日至3月12日（2周）：根据阅读的资料文献初步了解设计的原理以及实现的方法，开始写开题报告。
（3）3月15日至4月9日（3-6周）：掌握所选择硬件或软件平台的使用方法、开始完成设计的具体内容。
