l2范数matlab源码这个Matlab包包含重现文章图的源代码： P. Maurel，JF。 奥约尔，G.佩雷。 . SIAM 成像科学杂志，4(1)，第 413–447 页，2011 年。 display_orientations：显示图像的瞬时频率 estimate_amplitudes：尝试估计 Chi 中频率的幅度 estimate_orientations：瞬时频率计算 estimate_orientations_zeropadding：使用 zeropadding 缩放计算即时频率 gabor_weights: 凸范数的权重 non_convex_weight：为非凸范数构建权重 Chi test_h,test_h2,test_diff_h,test_diff_h2：论文的函数h（渲染函数）及其导数 纹理合成：从场方向/频率合成纹理 TV_Hilbert_Adapted：在无噪声情况下使用我们的凸范数进行结构/纹理分解 TV_Hilbert_Adapted_Noise：与噪声相同 TV_Hilbert_Adapted_noise_non_convex：使用非凸范数分解 T

基于矩阵的IRLS算法用于二维FIR滤波器的最小lp范数设计

夜间图像光照不均匀, 存在色偏, 去雾难度较大。目前图像去雾算法主要针对白天场景, 有关夜间图像去雾算法的研究较少。基于结构-纹理分层模型提出新的夜间图像去雾算法, 将夜间有雾图像分解为结构层和纹理层。在结构层采用中值滤波器估计环境光, 利用加权范数L1正则化模型对其进行优化, 并进行去雾和颜色校正处理；在纹理层利用离散余弦变换系数估计透射率。最终融合纹理层与去雾后的结构层得到去雾图像。实验结果表明, 采用该算法对夜间图像去雾后图像细节清晰, 颜色自然, 去雾效果显著。

基于原子范数最小化的亚奈奎斯特雷达超分辨率延迟多普勒估计

向量范数与方阵范数的基本性质，与基本计算

以前下了一个minL1.m的代码，但是不正确。自己进行了修改，现在可以正确使用。

喻文健-数值分析与算法-第五单元作业.pdf

针对基于L1 范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1 范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1 范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.

L1、L2范数学习笔记.docx

该函数利用MATLAB，最L1范数的回归问题问题进行正则化，通过输入参数，对最终的解有一个较好理解，LARS