人脸识别的鲁棒稀疏编码，的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题，在稀疏表示的同时引入代表各像素不同权值的矩阵，使得该算法对于图像中包含异常像素的情况表现出很好的鲁棒性。

Sparse and Redundant Representations：From Theory to Applications in Signal and Image Processing。以色列理工大学Michael Elad写的书，非常好。《稀疏与冗余表示-理论及其在信号与图像处理中的应》

稀疏表示与字典学习算法学习资料，包含OMP、MP、BP以及字典学习相关算法的分析讲解，大牛Micheal Elad 的ppt相关的ppt

这是关于图像稀疏表示及其应用的非常经典的书籍，Elad之作。

MATLAB 图像稀疏表示代码，可以实现对输入图像的稀疏表示。MATLAB 图像稀疏表示代码，可以实现对输入图像的稀疏表示

该工具箱含有稀疏表示的相管代码，比如字典学习以及稀疏分类等。

稀疏表示人脸识别SRC matlab代码实现。附带l1范数优化代码。可以顺利跑通。测试数据集为YaleB。

稀疏表示图像matlab代码多焦点图像融合 这是论文“空间域中基于稀疏表示的多焦点图像融合”的matlab代码 该方法主要包括以下两个步骤： （1）使用稀疏表示（最大L1规则）获得初始决策图 （2）考虑到聚焦区域的一致性，我们使用形态学滤波得到融合的最终决策图。 如果您有任何疑问，请随时与我联系：

四阶累积量稀疏表示的DOA估计方法

Sparse Representation or Collaborative Representation: Which Helps Face Recognition ICCV2011最新的文章，论述了稀疏表示和协同编码对人脸识别的作用，代码详细。