本专区汇聚了各类基于 字典学习 开发的源码资源，共计 58 篇资源供开发者免费下载学习。
该软件仅适用于 Linux 64bits 计算机。还有一个 matlab 脚本，script_denoise.m 转载了表 1 中使用函数 denoise.m ICCV"09 纸类
资源描述字典学习的图像修复，使用字典学习的思想，这是现在很流行的一个学习领域，使用Matlab编写，修复效果很好，对学习稀疏表示以及字典学习等等领域都有着一定的帮助，欢迎大家下载，
K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏K-SVD图像稀疏
K-svd算法和OMP算法经典MATLAB程序。K-SVD是一种经典的字典训练算法，依据误差最小原则，对误差项进行SVD分解，选择使误差最小的分解项作为更新的字典原子和对应的原子系
%威盛东、 李昕、 张磊、 光明石%"基于稀疏的图像去噪通过字典学习和结构%聚类"，在计算机视觉和模式识别 （视觉），IEEE 发布会%2011。
信号的稀疏表示受到相当大的近几年的利息。假设那自然信号，如图像、 承认稀疏分解在冗余字典会导致处理这类消息来源的有效算法数据。尤其是，设计的很好适应词典图像一直是一项重大挑战。最近
最近的K-SVD算法的学习过程中，采用稀疏编码部分OMP跟踪算法，尤其是对于本摘要。解决问题：其中D为过完备字典中，已经给出，Y是原始信号中，X的未知。其基本思想的OMP算法是：贪
通过疏生代表每个块与去噪图像已经 overcomplete 受过训练的词典，和平均的代表性的部分。详细的说明可在"图像去噪方法通过稀疏和冗余陈述过去学的词典低 rankdenois
一幅真实的图像中噪声特性是一致的#而由多幅图像内容拼接而成的合成图像噪声特性是不一致的本文利用这一 特点#提出了一种基于均值奇异值分解"字典学习的合成图像盲检测方法该方法首先
压缩感知处理信号数据，首先使用k-svd算法学习得到稀疏基，即字典。根据所学的稀疏基，利用omp算法得到信号的稀疏表示，随机高斯矩阵作为感知矩阵。
机器视觉字典学习代码，适合计算机视觉，机器学习初学者，可以当做学习资料参考一下.内含KSVD,OMP等经典算法的matlab代码，欢迎多多交流
yangyang在2012CVPR上的论文的对应代码，利用CRF（条件随机场）和字典学习的方法实现了自顶向下的显著性区域检测，并在Graz02数据库上做了测试，结果比以往的方法要好