1. 毕业设计（论文）主要目标：
随着智能终端和社交网络的普及，每时每刻都有海量的图片通过智能终端传送至网络。以天气实景图片为例，用户通过将实时的天气情况图片传送至诸如墨迹天气等天气动态APP上，实现互动。图片数量的爆发式增长要求图像处理方式的不断提升。而众多上传的图片中不乏有由于抖动和失焦造成不同程度模糊的图片。项目面向海量的天气实景图片，建立卷积神经网络模型对无参考的天气实景图像模糊度进行研究，分析图像质量。通过对网络模型的训练，最终确定适用于评估天气实景图片模糊度的最优参数，保证模型的准确性和高效性。
2. 毕业设计（论文）主要内容：
实现对天气实景图片的无参考模糊度估计需要对深度学习中的卷积神经网络有细致深入的了解。
卷积神经网络的权值和神经元之间的非全连接的特性降低了网络的复杂度，显著减少了自由参数的数量，提高了系统的泛化能力其对模糊度估计的准确性同时使得并行方式实现卷积网络成为可能。
首先构建卷积神经网络，该网络为深度网络结构，包含卷积层，池化层，全连接层以及一维线性输出层，卷积层负责特征提取，池化层负责降维处理，减少后期连接数，简化网络参数。
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！
3. 主要参考文献
[1]Z.Wang and A.C.Bovik,Modern image quality assessment.
[2]H. R. Sheikh. Image Quality Assessment Using Natural Scene Statistics.
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
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。
