| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| §1 背景介绍 | 第7-12页 |
| 1.1 低秩表示模型 | 第7-8页 |
| 1.2 矩阵分解简介 | 第8-9页 |
| 1.3 矩阵分解的定义 | 第9页 |
| 1.4 矩阵分解的应用举例 | 第9-10页 |
| 1.5 本文的主要研究成果 | 第10-11页 |
| 1.6 下文的结构 | 第11-12页 |
| §2 矩阵分解算法 | 第12-26页 |
| 2.1 基于Frobenius范数的矩阵分解算法 | 第12-15页 |
| 2.2 含有增广拉格朗日乘子的矩阵分解算法 | 第15-19页 |
| 2.3 基于?1范数和F范数的矩阵分解算法 | 第19-22页 |
| 2.4 基于?1范数和F范数的含有增广拉格朗日乘子的矩阵分解算法 | 第22-26页 |
| §3 基于矩阵分解的低秩表示模型应用研究 | 第26-41页 |
| 3.1 字典学习与数字图像的低秩表示 | 第28-38页 |
| 3.2 基于低秩表示模型的图像细节增强 | 第38-41页 |
| 结语 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 后记 | 第45页 |