稀疏信号恢复问题一直是几个不同社区中广泛研究的主题。 可伸缩恢复算法是压缩感测（CS）的一个至关重要的基本主题，最近几年引起了人们的极大兴趣。 本文首先分析了正交匹配追踪（OMP）算法中的迭代残差。 其次，引入了贪婪算法，称为贪婪OMP算法。 该算法使用贪婪原子识别迭代地识别多个原子，然后丢弃与最佳原子高度相似的一些原子。 与OMP算法相比，对高斯和零一稀疏信号进行的实验表明，提出的GOMP算法可以提供更好的恢复性能。 最后，我们通过实验研究了GOMP中贪婪常数对恢复性能的影响。

基于稀疏表达的图像恢复算法研究.doc

分院上机实验报告4(稀疏矩阵“列序”递增转置算法)第十四周.doc.doc

一元稀疏多项式计算器 程序设计 课程设计 报告

在MFC应用程序中，使用C++语言，编写了可以进行线性方程组求解的简单计算器

一种经典的基于L1范数的稀疏重构算法，进行DOA估计，在信噪比低及信号相距很近时同样具有很好的效果，需要matlab中的凸优化工具箱，安装地址及教程可参考https://blog.csdn.net/summer15407901/article/details/104274177?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%87%B8%E4%BC%98%E5%8C%96%E5%B7%A5%E5%85%B7%E7%AE%B1&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-9-104274177.142^v10^control,157^v12^control&spm=1018.2226.3001.4187

基于稀疏表示的人脸识别matlab代码，其中有LBP特征提取，OMP算法和SRC算法

SRC (Sparse Representation Classifier) 稀疏表示分类器 SOMP (Simultaneous Orthogonal Matching Pursuit) 同步正交匹配追踪 稀疏表示分类器应用于高光谱图像分类的MATLAB代码实现。 此程序为论文仿真，论文题目为： Hyperspectral Image Classification Using Dictionary-Based Sparse Representation 论文地址： http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5766028&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5766028 其实只实现了论文里的第一种方法SOMP 各个文件功能简介： isomp_Indiana.m 主程序 SamplesNormalize.m 数据归一化 findlabel2.m 划分训练样本和测试样本 SOMP.m 求稀疏表示矩阵 assig

请引用这些论文： [1] S. Mukherjee和R. Guddeti，“使用加速框架在立体图像中基于深度的选择性模糊”，Springer-Verlag杂志“ 3D研究”，第1卷。 5，没有。 2014 年 3 月。 [2] S. Mukherjee 和 R. Guddeti，“基于立体视觉的稀疏视差估计的视差计算混合算法”，IEEE 第 10 届信号处理和通信国际会议 (SPCOM)，2014 年 7 月。 我的算法采用了一种快速的混合方法（基于块和区域的混合）从校正后的立体图像对进行立体视差估计。 对于来自 Middlebury 立体视觉数据集的三个标准基准图像（Tsukuba、Sawtooth 和 Venus），其错误率分别低至 7.8%、5.3% 和 4.7%，尺寸分别为 384x288、434x380 和 434x383 像素。 该算法在具有 Intel i7-2600 CPU

1、实现效果：见链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124415648 2、基于稀疏表示（mp算法）的图像修复matlab实现，效果很好。 3、适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。