经典小波分解对信号稀疏化效果不佳，为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数，增大系数的稀疏度及可压缩性，从而提高压缩感知算法对信号的恢复质量. 仿真结果表明，与传统的基于小波变换的信号稀疏表示及恢复算法相比，该算法较大地提升了对信号及图像的恢复质量。

基于卷积神经网络多层特征融合和稀疏表示的表情识别，孙悦，杨勇，卷积神经网络浅层特征含有很多图像细节信息，深层特征含有更多抽象特征，为了充分利用不同层次特征的细节信息和抽象信息，将浅层

基于稀疏表示的最近邻分类器（LSRNN）的matlab代码

psf的matlab代码CLP-SECM数据的成像算法 1.概述 此代码包专用于通过由连续线探针（CLP）测量的扫描化学显微成像（SECM）数据进行图像重建。 通过将样品放在旋转台上并将线探针放置在样品的一侧来设置CLP-SECM扫描。 产生一条扫描线的方法如下：显微镜首先将其载物台旋转一个预定的角度，然后以恒定的步长将CLP逐步移动到样品的另一端。 在每个步骤中，CLP都会测量样品和探针末端之间通过电化学React产生的电流。 线扫描是在所有步骤中所有测量值的集合，其中样品旋转固定在某个给定角度。 结合在不同样品旋转角度下的信号线扫描可获得完整的CLP-SECM扫描。 在我们的实验中，感兴趣的样品-附着在基质上的化学React物种-具有高度结构化。 更具体地，形状React性物质是已知的，与样品尺寸相比要小得多，并且也稀疏地填充在基板上。 因此，可以将样本Y建模为React物种D与稀疏激活图X 0之间的2D卷积，表示为Y = D * X 0 。 我们采用压缩传感方法，通过找到精确的位置图X 0来重建SECM样本图像。 定义CLP线扫描L取样本Y和CLP属性p ---扫描角，CLP的点

翻译的论文，里面有很多专业词汇，翻译了很久，也有很多不懂。。。

二维频域中基于稀疏表示的宽带DOA估计

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。

详细的讲述了信号的稀疏表示和稀疏分解问题，很适合做开题报告。

KSVD稀疏表示的程序 含字典更新，匹配追踪，正交匹配追踪等子程序，对于做图像处理非常有用