第1章 概述
1.1 信号表示——从稀疏到低秩
1.1.1 信号稀疏表示
1.1.2 信号低秩表示
1.2 基本概念和术语
1.2.1 稀疏表示
1.2.2 低秩表示
1.3 稀疏与低秩表示在图像处理和计算机视觉中的应用
1.3.1 图像超分辨率
1.3.2 目标检测
1.3.3 目标跟踪
1.3.4 其他应用
1.4 本书的主要内容与组织安排
参考文献
第2章 稀疏与低秩表示模型和算法
2.1 稀疏表示模型
2.2 稀疏表示算法
2.2.1 贪婪算法
2.2.2 快速优化算法
2.3 字典学习模型
2.4 字典学习算法
2.4.1 批处理字典学习
2.4.2 在线字典学习算法
2.5 低秩表示模型
2.5.1 线性模型
2.5.2 非线性模型
2.6 低秩表示算法
2.6.1 迭代阈值算法
2.6.2 加速近似梯度算法
2.6.3 精确增广拉格朗日乘子算法
参考文献
第3章 基于稀疏表示的图像超分辨率重建
3.1 图像超分辨率重建概述
3.1.1 基本概念
3.1.2 发展历程
3.1.3 本章内容
3.2 稀疏域图像超分辨率模型与算法
3.2.1 稀疏域图像超分辨率思想
3.2.2 鲁棒性单幅图像超分辨率模型
3.2.3 图像超分辨率算法
3.2.4 实验结果与分析
3.3 基于图像块稀疏结构相似度邻域约束的超分辨率重建
3.3.1 HR／LR样本模型及双字典学习
3.3.2 稀疏结构相似度邻域逼近
3.3.3 超分辨率重建算法
3.3.4 实验结果与分析
3.4 局部样本匹配和多级滤波的快速超分辨率重建
3.4.1 超分辨率模型
3.4.2 样本匹配与采样滤波
3.4.3 快速超分辨率算法
3.4.4 实验与分析
参考文献
第4章 基于稀疏和低秩表示的目标检测
4.1 目标检测概述
4.1.1 序列图像目标检测
4.1.2 单帧图像目标检测
4.1.3 本章内容
4.2 基于稀疏表示与图切的序列图像目标检测
4.2.1 目标检测模型
4.2.2 目标检测算法
4.2.3 实验分析
4.3 岭回归协助稀疏表示红外小目标检测
4.3.1 超完备字典构造
4.3.2 稀疏表示与岭回归
4.3.3 红外小目标检测
4.3.4 实验与分析
4.4 基于主分量寻踪的红外小目标检测
4.4.1 基于主分量寻踪检测红外小目标模型
4.4.2 基于主分量寻踪检测红外小目标方法
4.4.3 实验与分析
参考文献
第5章 基于稀疏与低秩表示的目标跟踪
5.1 目标跟踪概述
5.1.1 组成与框架
5.1.2 发展历程
5.1.3 本章内容
5.2 基于稀疏稠密结构表示与在线鲁棒字典学习的目标跟踪
5.2.1 稀疏稠密结构鲁棒表示模型
5.2.2 稀疏稠密结构鲁棒表示快速算法
5.2.3 在线鲁棒字典学习算法
5.2.4 目标跟踪方法
5.2.5 实验结果与分析
5.3 基于稀疏度约束与动态组结构稀疏编码的鲁棒目标跟踪
5.3.1 L1跟踪鲁棒性分析
5.3.2 稀疏度约束与动态组稀疏编码算法
5.3.3 目标跟踪方法
5.3.4 实验结果与分析
5.4 基于Fisher准则的在线判别式字典学习的目标跟踪
5.4.1 Fisher在线判别式字典学习模型
5.4.2 Fisher在线判别式字典学习算法
5.4.3 目标跟踪方法
5.4.4 实验结果与分析
5.5 在线鲁棒判别式字典学习的目标跟踪
5.5.1 在线鲁棒判别式字典学习模型
5.5.2 在线鲁棒判别式字典学习算法
5.5.3 目标跟踪方法
5.5.4 实验结果与分析
5.6 基于主分量寻踪的鲁棒目标跟踪
5.6.1 候选目标的分解与相似性度量
5.6.2 模板更新
5.6.3 目标跟踪方法
5.6.4 实验结果与讨论
参考文献
第6章 军事侦察与制导典型应用
6.1 红外图像快速超分辨率重建
6.1.1 红外图像样本特性分析
6.1.2 多尺度卷积稀疏编码
6.1.3 平滑约束项与快速可分离滤波器
6.1.4 实验结果与分析
6.2 炮弹炸点检测应用
6.2.1 检测方法框架
6.2.2 基于PCP的前景恢复
6.2.3 基于PcA的目标检测
6.2.4 实验与分析
6.3 无人机成像对地目标跟踪概述
6.3.1 无人机成像目标跟踪的特点与难点
6.3.2 自主攻击无人机工作过程
6.3.3 无人机成像对地目标跟踪系统组成
6.4 无人机成像对地目标跟踪方法
6.4.1 两阶段稀疏表示模型
6.4.2 两个阶段快速稀疏表示算法
6.4.3 目标跟踪方法
6.4.4 实验验证
参考文献
展开
