1. 毕业设计（论文）主要目标：
通过该课题的研究，了解当前在深度学习中应用广泛前景光明的生成式对抗网络模型的工作原理，了解作为图像处理领域经典问题的图像增强原理，并探索生成式对抗网络模型在处理这类经典问题时相较于传统方法所取得的进步，主要目的如下：
(1)、通过论文编写，查阅文献，进行实验等环节对大学所学的专业知识和技能进行回顾和充实，将理论付诸实践，锻炼实践技能；
(2)、深入理解生成式对抗网络模型的工作原理，深入理解图像增强的原理，广泛了解应用于图像增强的各种模型与方法；
2. 毕业设计（论文）主要内容：
论文以基于生成式对抗网络的图像增强方法进行研究对象，介绍国内外图像增强尤其是基于生成式对抗网络的图像增强问题的研究现状；介绍生成式对抗网络的原理；介绍图像增强的原理，介绍图像增强的经典方法；探讨将生成式对抗网络应用于图像增强问题的可行性，研究在图像增强的条件下，如何对生成式对抗网络进行调整，使之特化为解决图像增强问题的模型，并进行实验，与传统方法以及基于卷积神经网络的现代方法进行性能比较。
3. 主要参考文献
1.Deng Y,Loy C C, Tang X. Aesthetic-driven image enhancement by adversariallearning[C]//2018 ACM Multimedia Conference on Multimedia Conference. ACM,2018: 870-878.
2.Chen YS, Wang Y C, Kao M H, et al. Deep photo enhancer: Unpaired learning for imageenhancement from photographs with gans[C]//Proceedings of the IEEE Conferenceon Computer Vision and Pattern Recognition. 2018: 6306-6314.
3.BhattacharyaS, Sukthankar R, Shah M. A framework for photo-quality assessment andenhancement based on visual aesthetics[C]//Proceedings of the 18th ACMinternational conference on Multimedia. ACM, 2010: 271-280.
