为了解决基于去噪重建过程，即解决稀疏系数原理的图像稀疏表示-In order to solve the reconstruction process based de-noising, that a solution to the sparse coefficient principle sparse representation

脉冲噪声背景下的联合稀疏恢复方法， 在不同背景下给出了测试结果-presents a robust solution for joint sparse recovery (JSR) under impulsive noise. The unknown measurement noise is endowed with the Student-t distribution, then a novel Bayesian probabilistic model is proposed to

SciPy—数值计算库 在NumPy的基础上增加一些功能 1、常数和特殊函数 2、线性代数-linalg 3、优化 （1）非线性方程组求解 （2）最小二乘拟合 （3）函数最小值 4、插值—interpolate （1）B样条曲线插值 （2）外推和Spline拟合 （3）二维插值 5、数值积分—integrate （1）球的体积 （2）解常微分方程组 6、统计—stats （1）连续和离散概率分布 （2）二项、泊松、伽玛分布 7、稀疏矩阵—sparse(On t