论文研究基于核空间Fisher鉴别字典稀疏表示的图像分类 .pdf

这是关于图像稀疏表示及其应用的非常经典的书籍，Elad之作。

为了进一步提高稀疏表示分类能力,提出了基于联合稀疏表示算法与形态学特征的高光谱图像(HSI)分类算法。该算法对高光谱图像提取主成分特征图,并利用结构元素对主成分特征图进行多维的空间结构特征提取,结合提

为了提升自然场景图像的识别精度,结合bag-of-visual word模型,提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示,识别部分

针对稀疏信号盲源分离势函数法需要过多参数，以及聚类算法需要知道源信号个数的缺陷，采用基于拉普拉斯模型的势函数法估计源信号数目和混合矩阵。将混合信号重新聚类，对每一类信号的协方差矩阵进行奇异值分解，混合

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

用KSVD和OMP算法实现的超分辨率放大算

基于冗余字典的信号稀疏分解是一种新的信号表示理论,采用超完备的冗余函数系统代替传统的正交基函数,从而为信号自适应地稀疏扩展提供了极大的灵活性.稀疏扩展一方面可以实现数据压缩的高效性,更重要的是可以利用

目前线性鉴别分析以Fisher准则或是逐对类加权Fisher准则为依据，但前者不能限制离群类，后者计算量大，鉴于此，提出一种改进Fisher准则用于线性鉴别分析。回顾了Fisher准则和逐对类加权Fi

传统的基于自然图像块的稀疏表示模型在字典学习的过程中需要求解一个非常高计算复杂度的大规模优化问题以及在稀疏编码和字典学习过程中，每一个图像块都是独立考虑的，忽略了块与块之间的相关性，从而导致了不够精确

论文《Robust Face Recognition via Sparse Representation》的Matlab代码。