说明：陆吾生教授是加拿大维多利亚大学电气与计算机工程系的教授。此课件为其在国内大学短期精品课程的课件。包含最优化问题求解，压缩感知方法及其在稀疏信号和图像处理中的应用（压缩、重构、降噪等）。

最优化问题求解 压缩感知 稀疏信号 和图像处理

说明：基于接收矩阵的稀疏重构，L1-SVD，阵列信号处理方面。

接收矩阵 稀疏重构 L1-SVD 阵列信号

说明：通过稀疏表示的图像超分辨率。

稀疏 图像 超分辨率

说明：利用遗传算法优化10元稀疏天线阵列的单位间距，得到低副瓣的结果

遗传算法 10元 稀疏天线阵列 单位间距 低副瓣

说明：实现信号稀疏变换、观测矩阵设计、重构算法等一系列最新理论成果。

稀疏变换 观测矩阵 重构算法

说明：对场景分类和语义特征稀疏化的高层图像表示。

场景分类 语义特征 稀疏化 高层图像

说明：对场景分类和语义特征稀疏化的高层图像表示。

场景分类 语义特征 稀疏化 高层图像

说明：稀疏表示在人脸识别中的应用（最新版），很经典论文。

稀疏表示 人脸识别

说明：用matlab实现的稀疏字典学习算法，可以用于图像去噪、图像分类、图像识别等。

高维词典 OSDL-master 稀疏字典

说明：用matlab实现的稀疏字典学习算法，可以用于图像去噪、图像分类、图像识别等

稀疏字典 学习算法