1. 研究目的与意义
随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘提取等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性（即主要特征）的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理和计算机视觉研究的热点。
目前图像去噪主要有以下方法：基于空间域的中值滤波；基于小波域的小波阈值去噪;基于pdf的图形去噪；全变分（tv）图像去噪基于pdf的图像去噪。
然而随着大数据的快速发展，以概率论统计为基础的机器学习在今年来受到工业界和学术界的极大关注，并在视觉、语音自然语言、生物等领域获得很多重要的成功应用，其中贝叶斯方法在过去20多年也得到了快速发展，成为非常重要的一类机器学习方法。本课题利用前期已经采用matlab实现的一个基于贝叶斯机器学习方法的原型算法基础上，探索利用c或java语言在现有硬件平台上的应用实现；并结合现有典型应用案例，实现一个具备较好性能的图像去噪算法模块。
2. 研究内容和预期目标
主要研究内容：
1)机器学习（贝叶斯机器学习）
2)图像去噪（基于贝叶斯学习）
3. 研究的方法与步骤
1.掌握基本知识
① 了解、学习贝叶斯概率学习
② 了解、学习机器学习，主要对《图解机器学习》这本书进行学习
4. 参考文献
[1]陈勤,自然语言处理基本理论和方法[m],哈尔滨工业大学出版社,2013.08.
[2]chrismanning/hinrichschütze著,苑春法/李伟/李庆中译,统计自然语言处理基础[m],电子工业出版社
[3]米歇尔(mitchellt.m.)(作者),曾华军(译者),等(译者),机器学习[m],机械工业出版社
5. 计划与进度安排
(1)1月15日至2月15日分析课题，查找资料。
(2)2月16日至2月28日完成需求分析。
(3)3月1日至3月16日完成开题报告。
