1. 研究目的与意义（文献综述）
图像表示是图像处理领域的基本问题。图像内容的有效表示是图像处理应用开展的基础。表示的有效性是指用很少的数据捕获感兴趣目标的重要信息的能力，即稀疏表示的能力。图像稀疏表示研究已成为近年来图像表示研究的热点，尤其是探讨基于人眼视觉的基函数理论模型及构造方法，研究快速、有效的图像稀疏表示算法，将有利于推动图像处理领域研究的开展，为图像表示提供新的理论与方法，具有重要的理论意义。传统的数据压缩传送模式是数据采集-压缩-传输-解压缩这种流程。数据采集之后又要压缩掉其中的冗余度，而且这个压缩过程比较困难。我们倾向于尽量少地采集数据，或者由于客观条件所限不得不采集不完整的数据。那么为了解决这一矛盾，我们直接采集压缩后的数据，这些数据的特点一是包含全局数据的信息，二是存在一种算法可以从这些少量数据还原出原先信息，图像稀疏表示即是得到包含原始图像信息的少量数据。
在人类获取的信息中，约20%的信息来自听觉，约60%的来自视觉，而来自其它味觉、触觉、嗅觉等的信息加起来不超过20%。图像是人们主要的信息源泉，它具有直观、具体、生动、高效等特点，成为人类获取和识别信息的重要手段之一。近年来，随着社会的进步和科技的迅猛发展，多媒体技术已经成为信息社会中不可缺少的一部分，它已融入到人们的日常生活。人们采用声音、文字、图像或视频等多种媒体进行信息交流、处理、传输和存储。数字图像能够直观地表达视觉信息，而海量的图像数据给实际的存储、传输和理解带来相当的困难。因此，如何根据图像固有性质和人类视觉特性寻求高效的图像表示方法，具有十分重要的意义。图像表示是图像处理领域中一个非常核心的问题，它在图像压缩、特征提取、图像检索、图像去噪和图像复原等应用中起着非常关键的作用。多尺度几何分析方法是继小波变换之后，提出的又一类新的图像表示方法。该方法的出现被称为小波兴起后的又一场革命。多尺度几何分析方法的提出主要是为了解决高维空间数据稀疏表示问题。图像的多尺度几何分析理论与方法是一个前沿的研究领域，其理论和算法还处在发展之中。在国内，目前图像稀疏表示方面的研究主要集中在多尺度几何分析理论及其应用。
稀疏表示是人脸识别领域的又一重大突破，近年来吸引了很多研究者的高度关注。稀疏表示方法可以将一个样本由数据库中的其他样本稀疏线性重建。wright等人阐述稀疏系数矢量可以由l1最小化方法解决，而且具有样本间的关系特性。并且成功地将稀疏表示分类方法应用于人脸识别中。随后又设计了一个对光照变化、图像错边和局部遮挡具有高度鲁棒性和稳定性的人脸识别系统，使用了稀疏表示的方法将测试图像与训练图像对齐。后来，有人将冗余字典概念引入稀疏表示算法中，用训练的字典代替训练样本集进行稀疏表示。zhang等人提出了一种判别性k-svd算法用于字典训练。
2. 研究的基本内容与方案
学习和研究数字图像处理、数字视频处理原理和方法。重点研究图像稀疏表示算法及应用，简单了解稀疏表示的多种算法及应用，主要进行基于稀疏表示的分类算法src进行对人脸识别问题的研究，稀疏算法应用在实际系统中需要考虑人脸是否对齐这一问题，本次毕设是优先考虑假设人脸很强的对齐的情况下，在此基础上适当的对算法进行改进优化，在visualstudio2010或matlab环境下实现，并对结果进行比较分析。
学习和研究数字图像、数字视频处理原理及在vc 或matlab编程环境下的实现方法。学会理解并会使用visualstudio2010或matlab实现基于稀疏表示的分类器，给出一张无遮挡或者有遮挡的测试人脸图像，能够画出稀疏编码系数、各类别的表示误差曲线以及正确类别的重构图像。会计算不同人脸、不同尺寸下的识别率等。研究图像稀疏表示算法及应用，主要进行对src算法在人脸识别方面的研究与优化，在vc 或matlab环境下实现，并对结果进行比较分析。src算法的主要问题在于l1范数的求解过程是采用迭代的方法，导致计算量大，运算速度慢。目前主流的方法有同伦法，在毕设中可以考虑尝试其他的求解l1范数的方法，并作出相应的对比，找出对应的优缺点。
为完成此次毕设，首先就要搭建相适应的系统开发平台，我主要是在windows7系统下进行。在软件环境方面，可以使用matlab的m语言进行开发，也可以使用近年来兴起的开源的opencv函数库配合visualstdio2010编写c/c 程序进行开发。此次毕设由于两种平台均可实施，查阅到的资料二者皆有部分，对于算法的充分理解与相应平台的算法移植将是一个新的挑战。
3. 研究计划与安排
第1-3周：查阅相关文献资料，明确研究内容，完成开题报告。
第4-6周：安装必要的工具软件，学习编写图像和视频处理程序。
第7-10周：完成图像稀疏表示算法及应用的学习和设计，对算法进行总结和实际应用举例。
4. 参考文献（12篇以上）
[1]曹玲.基于稀疏表示的人脸识别方法的研究[d]，华东理工大学，2015.
[2]邓承志，曹汉强.图像稀疏表示理论及应用研究[d].华中科技大学，2008.
[3]乔雅莉.基于稀疏表示的图像去噪算法研究[d].北京交通大学，2009.
