1. 毕业设计（论文）主要目标：
（1）利用卷积神经网络(CNN)对噪声图片进行提取特征
（2）用生成对抗式网络（GAN）进行图像增强
（3）用Python语言实现
2. 毕业设计（论文）主要内容：
一开始我们先针对图像库训练出GAN网络，图像库中包含六种不同的损失图像和参考图，并针对不同的损失分类训练出不同的GAN 网络。
随后对某一含失真图像进行卷积神经网络提取特征从而分类，并送入到之前训练好的相应网络中进行图像增强，增强的效果取决于训练好的网络。
此次研究主要采用的是生成对抗式网络（GAN），生成对抗式网络主要由两部分组成：生成网络（G网络）和识别网络（D网络）。
3. 主要参考文献
[1]孙全,曾晓勤.基于生成对抗网络的图像修复[J].计算机科学,2018,45(12):229-234 261.
[2]张良.生成对抗网络浅析[J].科学技术创新,2018(26):84-85.[3]陈文兵,管正雄,陈允杰.基于生成式对抗神经网络的数据增强方法[J/OL].计算机应用:1-8[2019-01-02].http://cc0eb1c56d2d940cf2d0186445b0c858.vpn.nuist.edu.cn/kcms/detail/51.1307.TP.20180709.1435.004.html.[4]柳畅,徐小杰.基于卷积神经网络的RGB-D图片分类[J].电子设计工程,2018,26(24):159-163.
[5]B. Bartosewicz,Per Ola Andersson,I. Dzicielewski,B. Jankiewicz,J.L. Weyher. Nanostructured GaN sensors for Surface Enhanced Raman Spectroscopy[J]. Materials Science in Semiconductor Processing,2019,91.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
