基于奇异值与稀疏表示的稳健性人脸识别

本文提出了一种新的基于联合稀疏表示的图像融合方法。 由于传感器观察到相关现象,因此源图像有望具有共同的和创新的特征。 我们使用稀疏系数作为图像特征。 通过联合稀疏表示,用公共稀疏系数和创新稀疏系数表示

简单实用的OMP算法,寻找信号的稀疏表示。 % Sparse coding of a group of signals based on a given % dictionary and specif

稀疏表示库

图像的稀疏表示，学习字典的获取，字典学习

稀疏域模型(Sparse-Land Model)即信号的稀疏表示,它意欲用尽可能少的非0系数表示信号的主要信息,从而简化信号处理问题的求解过程。

稀疏矩阵的表示 三列两维数组表示法 十字链表表示法

适合做人脸识别的朋友，其中有特征提取，创建字典，分类识别，是完整的一套SRC算法，和SRC那篇论文相匹配。

先将图像分成8×8的小块，每一块按列排列，得到一矩阵，利用字典，得到稀疏表示稀疏

提出一种新的基于奇异点邻域结构的三维人脸识别方法.首先,在人脸纹理图像上分割目标区域,划分特征子区域,提取二维奇异点和奇异点邻域结构;然后,在人脸空间几何信息上标记三维奇异点及其邻域结构,并以奇异点和

基于稀疏表示的小波去噪, 是值得参考的一篇很好的文献