- 文献综述（或调研报告）：
GUI设计的需求可以总体分为两个方向：
- 首先是设计方面，随着人机交互系统信息的不断增长，复杂的操作界面也会使用户的操作体验降低，因此怎样用最少的界面构件去表达最关键的信息[9]，是设计师们应该考虑到的问题。
- 本课题将聚焦于另外一个关键矛盾，也就是如何将设计实现到具体应用上。
设计方法五花八门，而设计框架又有很多内容是重复的，对设计人员来说是枯燥而无意义的事情，所以GUI程序自动生成的需求与日俱增。而且， GUI程序的评价过程中评价手段也是重复而繁琐的，常常需要花费大量的人力物力进行问卷调查。综上所述，GUI界面的自动化设计与自动化评价在当前情况下是被迫切需要的[10]。
而在这个大目标下，面向复杂信息系统的GUI图像边缘检测是GUI设计自动化中的重要一环，因此，本人对GUI设计自动化技术的现状和问题进行了调研：
2.1 在实现手段上，现代研究人员对基于深度学习方法的代码生成做出了很多努力和探索，比如，Beltramelli T等人[8]用深度学习方法训练了端到端网络，由GUI截图直接生成不同终端的对应代码，是首个以原始图片，而不是专家启发作为输入的GUI生成算法。此方法的主要问题在于需要自主设计领域特定语言，以及该语言与实际的GUI编程工程语言之间的编译器。也就是说，如果目标语言发生了变化，要对编译器进行大量修改，这就导致了该模型缺乏灵活性，难以实际运用到工程领域。
2.2无独有偶，Wallner E[4]等人提出了另外的端到端网络，探索以设计稿作为输入的GUI代码生成，通过深度学习方法直接从设计模板直接生成网页代码。此方法比上文提到的pix2code更具灵活性，pix2code系统的输入是提前生成的大小固定的手机GUI截图，而wallner等人提出的方法则可以实时根据设计手稿生成代码。然而，此方法综合的代码逻辑不够清楚，难以加以改造或者多次利用。
2.3 在GUI实现的评估问题上，Riegler A等人[11]提出了一种特殊矩阵，以GUI图像作为输入，得到本GUI程序的适用性，提供了产品与其适用性之间的直接考量方法，省去了用户调查与调研的时间与经理，致力于以此解决GUI开发中的测评环节。然而，本方法鲁棒性不够高，得到的结果可以作为辅助评测手段，难以直接作为最终评测结果。
2.4 在上述的两种生成代码的方法中，边缘检测都是其中重要的一环，是之后算法实现的基础。在边缘检测问题上，赵新亚等人[12]的研究中，在传统检测方法的基础上，利用卷积神经网络将增强目标物体的边缘信息，削弱周围环境的边缘信息，以此得到更具实用性的边缘图像，使得得到的边缘信息更具价值。
综上所述，本课题所研究的边缘检测问题是GUI代码设计，生成以及评估过程中的关键环节，也是图像处理方面的经典问题，具有很大的研究价值。
