超分辨率与稀疏表示，挺好的，谢谢参考，有关图像修复的算法，有点难

估计稀疏 3D 点云的法线和曲率，方法是使用 n 个最近邻点来近似每个点的平面。 - 能够在 60 秒内处理超过 100 万个点的点云。 - 强大到翻转正常方向- 使用最近邻搜索（与范围搜索相反）来最小化参数调整并允许处理具有高度非均匀密度的点云。

压缩感知算法稀疏分解，然后随机观测，OMP恢复

主要是稀疏表示

这是稀疏编码的代码，里面包含了很多的常见的算法

计算机视觉-稀疏表示MATLAB源码 稀疏表示（Sparse Representation）也叫作稀疏编码（Sparse Coding）,就是用字典中元素的线性组合去表示测试样本。 信号的稀疏表示并不是新的东西。很早就一直有在利用这一特性。例如，最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后，只有极少数元素是非零的，而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。 任何模型都有建模的假设条件。压缩感知，正是利用的信号的稀疏性这个假设。对于我们处理的信号，时域上本身就具有稀疏性的信号是很少的。但是，我们总能找到某种变换，使得在某个变换域之后信号具有稀疏性。这种变换是很多的，最常见的就是DCT变换，小波变换，gabor变换等。 然而，这种正交变换是传统视频图像处理采用的方法。目前所采用的一般不是正交变换。它是基于样本采样的。或者说是通过大量图像数据学习得到的，其结果称作字典，字典中的每一个元素称作原子。相关的学习算法称作字典学习。常见的算法例如K-SVD算法。学习的目标函数是找到所有样本在这些原子的线性组合表示下是稀疏的，即同时估计字典和稀疏表示的系数这两个

基于稀疏表达的图像恢复算法研究

《Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries》文章matlab代码实现

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab lanczos算法用来计算大型稀疏矩阵的最大最小本征值及相应的本征矢量 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

为了抑制稀疏阵列方向图的栅瓣，提高分布式星载雷达阵列方向图的性能，对相同子阵组成的稀疏阵列方向图综合进行研究，提出了一种基于相同子阵的稀疏阵列方向图综合算法．首先对子阵级稀疏阵列进行建模，并对其阵列方向图的特性进行分析．然后通过优化子阵级稀疏阵列，实现对方向图栅瓣的抑制．最后通过仿真，验证了该算法的有效性．