核稀疏表示分类（KSRC）是稀疏表示分类的非线性扩展，显示了其在高光谱图像分类中的良好性能。 但是，KSRC仅考虑无序像素的光谱，而没有在空间相邻数据上合并信息。 本文提出了一种对空间光谱核稀疏表示的相邻滤波核，以增强对高光谱图像的分类。 这项工作的新颖性在于：1）提出了空间光谱KSRC框架； 2）通过核特征空间中的邻域滤波来测量空间相似度。 在几个高光谱图像上的实验证明了该方法的有效性，并且所提出的相邻滤波内核优于现有的空间光谱内核。 此外，所提出的空间光谱KSRC为将来的发展打开了广阔的领域，在其中可以轻松地合并滤波方法。

优化的稀疏内核接口（OSKI）库提供自动调整的稀疏矩阵内核，供求解器库和应用程序使用。 OSKI是BeBOP项目的一部分，该项目是UC Berkeley进行的性能调整和分析。 （去熊！）

L1-MAGIC is a collection of MATLAB routines for solving the convex optimization programs central to compressive sampling. The algorithms are based on standard interior-point methods, and are suitable for large-scale problems.

稀疏贝叶斯算法的一个代码，能够使用来近似求解稀疏表示的最佳稀疏解的算法。

这项工作是通过制定非负稀疏信号恢复 (SSR) 问题和开发非负稀疏贝叶斯学习 (NNSBL) 算法来解决稀疏数组的源定位问题。 1.在'NNSBL.m'中给出了所提出的算法，在'Conven_SBL.m'中给出了传统的SBL算法以进行比较。 2. 'MRA_output.m' 用于生成阵列输出数据，'Peaksearch.m' 和'peak_find.m' 用于查找空间谱中的峰值位置。 3. 'Main_Simulation.m' 用于显示空间谱。 4. 'rmse_snr.m' 用于显示 DOA 估计与 SNR 的 RMSE。 5. 'rmse_snapshot.m' 用于显示 DOA 估计的 RMSE 与快照数量的关系。

DFT的matlab源代码稀疏优化的MRI重建 磁共振成像（MRI）图像稀疏。 这是一个使用非凸罚函数的实现，该函数鼓励稀疏性。 选择惩罚函数作为最小最大凹惩罚（MCP），可以从以下方法检查算法（GIST）： 龚平华，张长水，卢兆松，黄建华，叶洁平的非凸正则优化问题的通用迭代收缩和阈值算法 直接运行main.m，您将看到流行方法与该实现之间的比较。 Randon变换代码和DFT代码的反投影由Mark Ba​​ngert编写。 解算器也位于解算器文件夹中，选择所需的解算器。 GIST_MCP.m使用Barzilai-Borwein步长的近端梯度法，GIST_MCP_Nesterov.m使用Nesterov加速度的近端梯度法。 切记将相应的子例程放入求解器。 这里有重新启动的Nesterov加速近端梯度算法的详细说明，该算法真正保证了收敛，在这里： 一类非凸非光滑最小化问题外推法的近邻梯度算法的线性收敛性，作者：Bo Wen，Chen Xiaojun Chen，Ting Kei Pong 这项研究于2017年Spring进行，部分由香港研究资助局拨款PolyU253008 / 15资助

压缩感知或稀疏编码是学习数据的稀疏表示。 最简单的方法是使用带有 L1 正则化的线性回归。 虽然这个包为稀疏编码问题提供了贝叶斯处理。 它使用变分贝叶斯来训练模型。 稀疏编码问题被建模为具有稀疏先验（自动相关性确定，ARD）的线性回归，也称为相关向量机（RVM）。 优点是可以自动进行模型选择。 因此，无需手动指定正则化参数（从数据中学习），可以获得更好的稀疏恢复。 请运行包中的演示脚本试一试。

关于代码 这是“ Zhao，C.，Zhang，J.，Ma，S.，Fan，X.，Zhang，Y.，＆Gao，W.（2017）。”的matlab实现。表示和量化约束优先。IEEE视频技术电路和系统交易，第27（10），2057-2071页。” 用法 只需运行文件Demo_SSRQC_Deblocking.m 。 引用这项工作 如果使用此代码，请引用以下论文。 @article{zhao2017reducing, title={Reducing image compression artifacts by structural sparse representation and quantization constraint prior}, author={Zhao, Chen and Zhang, Jian and Ma, Siwei and Fan, Xiaopeng and

数据融合matlab代码通过具有非凸罚分的稀疏正则化进行图像融合 该源代码包包括用于所提出的图像融合和联合问题算法的MATLAB源代码。 纸： 每个主要代码的具体功能如下图所示： FL1：采用L1规范化正规化的图像融合； FGMC：通过GMC正则化进行图像融合； FSL1：采用L1规范正则化的联合图像融合和超分辨率； FSGMC：通过GMC正则化进行联合图像融合和超分辨率； FDrealGMC：在真正的OCT和眼底图像数据集（PSF估计）上使用GMC正则化进行联合图像融合和反卷积；

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