信号稀疏表示

基于稀疏表示的图像超分辨是基于学习的超分辨方法，比双三线性插值能取得更好的效果

图像稀疏表示研究已成为近年来图像表示研究的热点，尤其是探讨基于人眼视觉的基函数理论模型及构造方法，研究快速、有效的图像稀疏表示算法，将有利于推动图像处理领域研究的开展，为图像表示提供新的理论与方法，具

1、该工程是简单的基于稀疏表示的数字识别的工程。是对于初学者的。因为我自己也是最近才学习的稀疏表示，高手就不要下拉。代码只是个人写的。用来学习：数字特征矢量的形成——传入到求解最稀疏系数函数——利用重

基于学习方法构造的冗余字典可更加准确地提取信号的结构特征，也是近几年的研究热点。论文在研究了基于KSVD字典学习的图像去噪算法的基础上，将相关系数匹配准则和字典裁剪方法相结合，提出一种改进的字典学习算

基于词典学习和稀疏表示的超分辨率方法，是一种图像复原的快速方法，也是最近发现的的比较使用的方法，主要用于序列图像的超分辨率复原

基于稀疏表示的鲁棒性人脸识别（PAMI），在图像处理领域现在很火的

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。

利用稀疏字典表示、OMP算法进行高光谱图像分类，内含高光谱数据。

数据结构稀疏矩阵的三元组表示VC6.0下调试通过。要用功~Copy代码是不行的！

稀疏表示是一种有效的模式识别方法，它利用若干个重要特征值构成稀疏向量来表示每个观测数据。对于分类任务，利用稀疏表示方法可以提取出具有类间强区分性的特征，从而实现高效的模式识别和分类过程。目前，稀疏表示