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
……
第4章 基于稀疏和低秩表示的目标检测
第5章 基于稀疏与低秩表示的目标跟踪
第6章 军事侦察与制导典型应用