GAMP_SBL 通过广义近似消息传递进行计算有效的稀疏贝叶斯学习 这是GAMP-SBL算法的实现。 可以在以下找到更多详细信息 李福伟，方军，段慧平，陈智，李宏斌，“通过广义近似消息传递进行计算有效的稀疏贝叶斯学习”提交给arXiv。 可以在上找到正式发表的论文

层次分析matlab代码HSCS方法的代码 HSCS：基于分层稀疏性的RGBD图像共显着性检测，IEEE TMM，2019年。 此代码适用于本文： 丛润敏，雷建军，付华柱，黄庆明，曹小春和南玲，HSCS：基于分层稀疏性的RGBD图像共显着性检测，IEEE多媒体交易，第1卷。 21号7，页1660-1671，2019。 它只能用于非商业目的。 如果您使用我们的代码，请引用我们的论文。 相关作品包括： [1]丛润敏，雷建军，付华柱，黄庆明，曹晓春，侯春平，基于多约束特征匹配和交叉标签传播的RGBD图像共显着性检测，IEEE图像处理学报，第1卷。 27号2，第568-579页，2018年。 [2]丛润民，雷建军，付华柱，林伟思，黄庆明，曹晓春，侯春平，RGBD图像的迭代共显性框架，IEEE控制论学报，第1卷。 49号1，第233-246页，2019年。 [3]丛润敏，雷建军，付华柱，程明明，林伟思和黄庆明，具有全面信息的视觉显着性检测综述，IEEE视频技术电路和系统交易，2019年。DOI：10.1109 / TCSVT .2018.2870832。 [4]丛润民，雷建军，张长青，黄庆明，曹

SRC:基于稀疏表示的分类

第六章 总结与展望 54 和基于字典学习和自相似性正则的图像去噪方法，以上方法均是在理想状态下进 行的，虽然得到较好的去噪效果，但存在算法运行时间过长的问题，其主要费时 环节是非局部自相似权重参数的计算。所以在实际应用中需要考虑到非局部自相 似权重参数计算的优化问题，即不但要获得高质量的恢复图像，还要加快去噪进 程，提高实用性。此外，在稀疏表示求解实际问题方面，还有很大的改进与应用 空间，例如，选择字典学习和稀疏分解算法的最优组合，找到一种最优的学习 APBT 类字典的方法，如何充分利用图像局部结构信息和非局部自相似性信息进 行图像去噪或者其他的图像应用，如何提高图像去噪的运行速度，如何将稀疏表 示和自相似性有效应用到乘性噪声的情况。总之，基于稀疏表示和自相似性的图 像去噪方法研究还有很多内容有待进一步探索。

离散控制Matlab代码Shearlet增强快照压缩成像（SeSCI） 这是，，，和Guihai Chen撰写的IEEE图像处理事务（TIP）中常规论文Shearlet增强快照压缩成像的资料库。 快照压缩成像 开发了快照压缩成像（SCI）系统，以使用低尺寸的现成传感器捕获高尺寸（$ \ geqslant3 $）信号。 多个帧被压缩为单个测量帧，从而节省了内存，带宽和其他资源。 采样过程中的简洁性使其难以重建原始帧。 在此存储库中，我们实现了一种称为“剪切波增强快照压缩成像”（SeSCI）的重建算法，该算法可确保在短时间内进行准确的重建。 SeSCI的性能源自先于频率域和小波域的联合稀疏性。 我们在两个名为编码Kong径压缩时间成像（CACTI）和编码Kong径镜头频谱成像（CASSI）的SCI系统上进行了重建实验。 我们将提出的SeSCI与其他算法进行比较，并进行SeSCI的消融实验。 我们还揭示了SeSCI在幻像成像（GI）系统上的泛化能力。 相关代码在“ experiments文件夹下列出。 这是重建图像的示例。 图1：重建示例。 剪毛 剪切波是多尺度图像变换域，其提供图像信号的方

是一个高性能预和求解器的库，具有多种网格方法，可在大型并行计算机上求解大型稀疏线性方程组。 有关文档，请参见我们的。 要安装HYPRE，请参阅文档或文件 。 HYPRE发行历史的概述可以在文件中。 我们感谢用户的反馈。 请在上提交评论，建议并报告问题。 另请参见 。 执照 HYPRE根据MIT许可证和Apache许可证（2.0版）的条款进行分发。 用户可以选择任一个许可证。 所有新的贡献都必须在MIT和Apache-2.0许可下进行。 有关详细信息，请参见 ， ， 和 。 SPDX-License-Identifier：（Apache-2.0或MIT） LLNL代码778117

msbpd：更多的稀疏基础追踪去噪

基于表面肌电信号(sEMG)的手势识别技术是人机自然交互领域的重要研究方向。手势识别技术的实现关键在于如何提取sEMG信号的有效特征。提出了一种提取sEMG信号稀疏特征用于多类手势识别的有效方法。该方法以稀疏表示作为特征提取工具，以支持向量机(SVM)作为分类器对多个手势进行识别。首先，采用双阈值法检测分割出手势动作的活动段；其次随机抽取部分运动段样本初始化稀疏表示词典，利用KSVD方法对过完备字典和稀疏系数进行无监督更新;最后，利用SVM对稀疏系数特征向量进行分类以实现对不同手势的识别。通过在公开数据库和自有数据库上进行实验测试，结果表明结合稀疏特征和SVM分类方法可实现16种手势平均识别准确率达到98.4%。

当在进行 X 射线断层扫描的对象周围以稀疏角度采样仅拍摄少数投影图像时，正弦图插值（撞击）可用于处理稀疏正弦图并产生更密集的正弦图，从而影响重建切片的质量。 简而言之，在可用投影集的范围内生成新的投影。 当前代码考虑了仅具有 45 个投影 (theta = 0:4:176) 或 90 个投影 (theta = 0:2:178) 的稀疏断层扫描采集，并进行插值以产生 180 个投影 (theta = 0:1:179) . （我们假设是单色光束：0 度投影 == 180 度投影） 该代码假定少数（实验）投影是真实可靠的断层摄影数据，使用稀疏正弦图的反投影重建质量较差的临时切片，并使用切片正向投影生成更密集的合成正弦图。 少量实验数据替代了计算出的合成正弦图的相应列。 由“植入物”产生的密集正弦图提供了比稀疏正弦图更好的切片图像质量。 通过密集正弦图（180 个投影）的滤波反投影计算的参考图像（

利用稀疏求解后稀疏解的快内性质，借助贝叶斯网络，快速准确的分解信号 得到在过完备字典上的稀疏解