在敦煌壁画修复过程中,初始字典的随机选取易陷入局部最优,仅以颜色欧氏距离作为图像块分组标准会导致图像修复后易出现结构模糊和线条不连续等问题。针对以上问题,提出了一种基于Gabor变换和组稀疏表示的敦煌壁画修复算法。首先,采用互信息作为图像块分组准则,并建立相似结构组,这使得组稀疏表示更加合理;然后,通过Gabor小波变换对相似结构组进行特征信息提取,并结合PCA降维的方式得到初始化结构组的特征字典,避免了字典初始化随机选取的不足;最后,采用奇异值SVD分解和分裂Bregman迭代优化方法对结构组字典和稀疏系数进行学习并完成壁画图像的修复。实验结果表明,相比于其他对比算法,所提方法取得了较好的主客观修复效果。

针对红外云图分辨率低、视觉效果较差的问题，提出一种图像结构组稀疏表示的超分辨率方法。该方法充分利用红外云图的结构自相似性，将结构组作为稀疏表示的基本单位，建立图像结构组稀疏表示模型。在训练字典过程中通过高斯混合模型学习图像结构组的先验信息，再对样本块进行聚类，利用主成分分析学习得到紧凑的分类字典。在重建阶段对每个结构组自适应选取最匹配的字典，使用改进了的加权l1 范数优化方法求解稀疏系数。实验结果表明，与ScSR、Zeyde、NARM 等算法相比，所提算法在视觉效果以及图像质量评价指标上均有所提高，红外云图重构质量有较为明显的改善。

针对CP-GTD模型,利用全极化雷达回波的组稀疏特性,提出了一种基于组稀疏表示的二维全极化散射中心参数估计方法。该方法将全极化散射中心参数估计问题转化为组稀疏信号重构问题,并利用自适应网格细化的方法来划分网格,最后利用最小二乘法对相干极化散射矩阵的估计进行修正。与基于联合谱估计的方法相比,该方法无需已知散射中心数,从而可以避免由于散射中心数估计错误而引起的性能恶化,且适用范围更广。仿真实验也表明,该方法具有更好的鲁棒性,可以有效地用于目标全极化散射中心提取。