稀疏表示分类

非线性稀疏表示理论及其应用，这一方向是当前信号处理领域的热点研究方向。

程序包含以下几个过程： 1，图像预处理，包括对齐和拉伸 2，特征提取，有不同的特征提取函数 3，稀疏求解，调用相关函数 4，得出识别结果，并显示。

稀疏表示算法是一种在人脸识别中广泛应用的算法，它通过将每张人脸图像表示为一个特定的向量来实现。这个向量中有几个元素是非零值，这些非零值表示着图像的关键特征。在这种算法中，稀疏表示可以提高人脸识别的精度

为了提高融合后多光谱(MS)图像的质量,提出一种基于稀疏表示的遥感图像融合方法。建立MS图像与其亮度分量之间的线性回归模型;利用训练的高、低分辨率字典分别对全色图像和MS图像进行稀疏表示,并根据线性回

讲述了一中新的稀疏表示超分辨率的方法,对稀疏表示超分辨率的研究有很大的帮助!

 针对云天背景下红外小目标跟踪易受噪声影响,传统目标模型对噪声敏感等问题,提出一种贝叶斯推理框架下使用稀疏表示建模红外小目标的跟踪算法。该算法结合目标模板向量和正负琐碎向量构建目标稀

基于稀疏编码，低秩和空间解码的图像分类技术的参考资料

为进一步强化航道安全,解决海事CCTV人工值守、非自动化问题,提出了基于稀疏表示的船体检测方法。利用稀疏表示实现对船体的检测时,首先构建样本特征矩阵,然后利用K-SVD算法对样本特征矩阵进行学习,得到

针对传统基于稀疏表示的目标跟踪方法中, 当场景中含有与目标相似的背景时容易出现跟踪漂移的问题, 提出一种新的目标跟踪方法. 该方法基于目标的局部二元模式特征, 将目标外观模型同时用原始目标模板与当前帧

稀疏表示人脸识别SRCmatlab代码实现。附带l1范数优化代码。可以顺利跑通。测试数据集为YaleB。