急！！！！！(1)数字电视技术(二)基于图像盲复原算法的两个毕业设计课题哪个更简单？
以下只是我的估计:
第一个话题应该和电路设计有关。如果你擅长电路科学，喜欢调试实用的东西，那么这个适合你。
第二个要用matlab之类的软件做实验。很容易得到一些实验数据和图表，相关论文也很容易找到。
总的来说，第二个会简单一些。
以下是关于图像盲复原的算法研究的不良信息，不过大家可以参考一下:
题目:盲图像恢复算法的研究
作者:詹祖建日期:2009年2月27日
作者:贵州大学明德学院05级通信工程，贵州贵阳，550003。
标题:
科海故事博览会科教创新
摘要:当点扩散函数未知或未知时，由观测到的退化图像恢复原始图像的过程称为盲图像恢复。近年来，盲图像复原算法得到了广泛的研究。本文介绍了盲图像恢复算法的现状，并进一步研究了其发展方向。
一.导言
图像恢复是图像处理中的一个大领域，有着广泛的应用，是目前的一个研究热点。图像恢复的主要目的是使退化的图像经过一定的处理，去除退化因素，以最大的保真度恢复到原始图像。传统的图像复原假设图像退化模型是已知的。但是，在很多情况下，图像退化模型是未知的或者先验知识较少，因此必须进行所谓的盲复原。由于其重要性和艰巨性，已成为研究热点。目前可以获得的观测图像是观测系统成像的真实图像的结果。由于观测系统本身物理特性的限制和观测环境的影响，观测图像与真实图像之间不可避免地存在偏差和畸变，称之为观测系统降级了真实图像。图像复原的目的是通过对降质的观测图像进行分析和计算，得到真实的图像。
二、图像盲复原算法的现状
一般来说，图像盲复原方法主要分为以下两类:首先，利用真实图像的特殊特征来估计点扩散函数，然后在估计的点扩散函数的帮助下，利用经典的图像复原方法来复原图像。该方法将PSF估计和图像恢复过程分为两个不同的过程，因此具有计算量小的特点。其次，将点扩散函数辨识和真实图像估计相结合，同时辨识点扩散函数和真实图像。这种算法比较复杂，需要大量的计算。此外，点扩散函数还考虑了空间变化的复杂情况。针对盲复原算法的现状，根据退化模型的特点，将算法重新分为三类:空间不变单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法。
(1)单通道空间不变图像的盲复原算法。
在这些算法中，参数法和迭代法是最常用的。
1)参数法。所谓参数法，即模型参数法，就是用某个模型来描述PSF和真实图像，但是模型的参数是需要辨识的。在参数方法中，有两种典型的方法:先验模糊识别法和ARMA参数估计法。前者先辨识PSF的模型参数，再辨识真实图像，属于1类型的图像盲复原算法，所以计算量小。后者同时辨识PSF和真实图像模型参数，属于第二类图像盲复原算法。
2)迭代法。所谓迭代法，就是通过算法的迭代过程，以及对真实图像和PSF的约束，同时识别PSF和真实图像的方法。迭代方法是单通道的
图像盲复原算法是应用最广泛的算法，它不需要建立模型，不要求PSF是最小相位系统，所以更接近实际。在这些算法中，迭代盲复原算法(IBD)和基于非负性和决策域的递归逆滤波算法(NAR2IF)都是基于高阶统计特征的最小化。
熵算法是最典型的。
(2)多通道2D图像的盲复原
二维图像的多通道盲复原，将数字通信领域应用的一维多通道盲源分离算法扩展到二维情况，用于图像的盲复原。这种算法有两种代数方法。一种是先识别模糊函数，然后用常规的复原算法进行复原。另一种是直接估计逆滤波器。这种算法的优点是不需要估计初始图像，不存在稳定性和收敛性问题。放松了对图像和模糊函数的约束，算法具有通用性。但1算法要求恢复算法的收敛性；第二种算法对噪声敏感。
(3)具有空间变化的图像盲复原方法。
在许多实际应用中，模糊性往往在空间上发生变化，但由于处理的难度，目前研究较少，基本上有两种:相关转换恢复和直接法。
相关变换复原的基本思想是区域分割，即把整幅图像分成若干个局部区域，然后假设模糊在每个局部区域内是空间不变的，利用具有空间不变性的图像复原算法进行复原。这些方法都是基于窗口的模糊识别技术，图像估计依赖于窗口的大小。由于模糊参数是连续变化的，大范围内空间不变的假设不成立，所以模糊估计精度差，而且这种方法只能处理一些空间变化的模糊图像，缺乏普适性。其次，区域边缘有响铃。
直接法的基本思想是直接对图像进行处理。如果用简化的二维递归卡尔曼滤波器直接转换图像模型和模糊模型，其缺点是只能用于有限的模型，计算量会随着模型数量的增加而显著增加；* * * yoke梯度迭代算法，但只报道了一个31×31的文本图像处理结果，大图像处理效果有待进一步研究；空间变化图像系统被建立为马尔可夫随机模型，模拟退火算法用于复原过程的最大后验估计。这种方法避免了对图像加窗，可以克服模糊参数不连续带来的影响，但这种方法只能局限于模糊过程建立为单参数马尔可夫随机模型的情况，计算量也较大。
三、盲图像复原的应用前景
(1)现有算法的改进和新算法的研究。现有算法还存在很多不足，需要进一步改进。比如在IBD算法中，如何选择初始条件来保证算法的收敛性；如何选择算法的终止条件以保证恢复质量；如何选择滤波器中的噪声参数来降低噪声的影响？比如NAR2IF算法中，如何进一步解决噪声敏感问题，确定支持域以及如何将算法推广到非均匀背景的情况。提出了一种新的算法来解决盲图像复原问题，这也是未来的研究热点。
(2)基于非线性退化模型的盲图像复原算法。在实际应用中，严格来说，所有的退化模型都是非线性的。该模型是用线性化方法近似的。虽然算法简单，但对于处理严重的非线性情况并不理想。基于多项式和神经网络参数模型处理非线性信号的盲分离算法在扩展到二维图像时需要进一步研究。基于非线性退化模型的盲图像复原算法的研究也是下一步的研究方向之一。
(3)去噪算法的研究。加性噪声的存在使得图像复原问题成为一个病态问题，由于一般假设只有噪声的统计特性是已知的，所以不可能完全去除降质图像中的噪声。此外，由于噪声的存在，复原效果并不理想，因此研究结合降噪的图像盲复原算法具有重要的现实意义，在这方面也做了一些工作。为了克服噪声的影响，一般先降噪再恢复；第二，降噪和恢复同时进行。目前大多数算法将噪声描述为高斯噪声，在实际应用中有很大的局限性。对于非高斯情况，采用基于噪声高阶统计特性的去噪算法也是一个重要的研究方向。其他类型的方法也可以用于去噪，自组织映射的非线性独立分量分析方法可以用于图像去噪。
(4)实时处理算法。算法的复杂度是制约算法应用的一个重要方面。正则化离散周期Radon变换可用于将二维卷积转化为一维卷积进行处理，从而提高算法的速度；也可以使用神经网络的实时处理算法。算法的实时性是其实际应用的前提。
(5)应用研究。算法的应用是推动算法研究的动力。虽然盲图像恢复算法已经在天文学、医学、遥感等方面得到了广泛的应用，但是要将该算法应用到一般工业图像的实时检测、机器视觉、网络环境下的图像传输恢复、刑事侦查等方面还有很多工作要做。
参考资料:
杨露茜薛梅。一种改进的含噪二值图像NAS-RIF盲复原算法[J].数据处理。2006.4438+07.(2).
唐婷，陶青川，何小海。基于小波去噪和图像分割技术的改进NAS-RIF盲图像复原算法[J].成都信息工程大学学报。2004.438+09。(3).
刘聪，何振亚。基于奇异值分解的噪声模糊图像盲复原。[J]。数据采集与处理2002.17。(1).