全文总字数：3631字
1. 毕业设计（论文）的内容和要求
图像反问题是基于观测的低质量图像，重建高质量图像的一种统称，是传感、成像和计算机视觉等领域的重要研究对象。
随着技术的发展，处理反问题的手段从迭代的基于物理模型的方法[1]-[9]逐渐步入到基于数据训练的深度学习方法[10]-[16]，并在图像去噪、去模糊、超分辨率、图像修复和压缩感知等反问题领域得到了较大进展。
虽然基于深度学习的图像反问题方法取得了较大进展，但该方法也有较大的局限性，如需要大规模的训练图像数据；若测试图像和训练图像数据不吻合，则会产生较差的效果；对不同类型的图像反问题，需要训练不同的模型等。
2. 实验内容和要求
编程规范，实验仿真结果和理论分析一致。
3. 参考文献
[1]. K. Dabov, A. Foi, V. Katkovnik, and K. Egiazarian, Image denoising by sparse 3-D transform-domain collaborative filtering, IEEE Trans. Image Process. 16 (8) (2007) 20802095.
[2]. J. Mairal, F. Bach, J. Ponce, G. Sapiro, A. Zisserman, Non-local sparse models for image restoration, in Proc. IEEE Int. Conf. Comput. Vis., Tokyo, Japan, 2009, pp. 22722279.
[3]. W. Dong, L. Zhang, G. Shi, X. Li, Nonlocally centralized sparse representation for image restoration, IEEE Trans. Image Process. 22 (4) (2013) 1620-1630.
4. 毕业设计（论文）计划
2020年12月18日-2021年1月20日 任务书下达2021年1月21日-2021年2月15日 收集资料，熟悉课题，完成开题报告2021年2月15日-2021年4月15日 阅读文献，建立基于深度学习模型取得的结构稀疏编码模型，并初步用于解决图像反问题2021年4月16日-2021年6月1日 着手论文写作，实验仿真测试等2021年6月1日-2021年6月15日 完成答辩前期所有准备工作，准备答辩。
