1、稀疏編碼(Sparse-Coding，SC)算法充分利用了自然圖像的冗余特性，通過學習的方法得到一組過完備的基底（字典），從而將目標信號表示為過完備基底（字典）中少數(shù)基底的線性組合。稀疏編碼在當前圖像算法中有著廣泛的應用，然而稀疏編碼算法計算復雜度高，阻礙了其在實際中的應用。基于以上問題，本論文研究的主要內容是快速稀疏編碼器及其在圖像處理中的應用。
　　本論文在稀疏編碼的基礎上，主要做了以下兩個方面的研究:(1)結合傳統(tǒng)的神經(jīng)網(wǎng)絡

2、算法與稀疏編碼方法，提出了一種FSCN(Fast Sparse Coding Network)算法。稀疏表達算法，在編碼階段計算量大。神經(jīng)網(wǎng)絡具有分布式存儲和并行協(xié)同處理結構，能夠快速實現(xiàn)信號處理或模式識別。受神經(jīng)網(wǎng)絡結構特點啟發(fā)，本論文提出一個快速的類稀疏編碼器。實驗表明，本論文提出的快速稀疏編碼器比K-SVD方法速度提升200-300倍。同時將此快速稀疏編碼器應用在圖像去噪，相比K-SVD方法能夠得到較好質量的恢復圖像。(2)深度學