图像信号本质上可以看作是关于一组基向量的稀疏表示，而稀疏表示是获得、表示和压缩图像信号的一种强有力的工具。从稀疏约束的角度来划分，可以将稀疏表示分为五类，分别为（1）基于最小化L0范数的稀疏表示，（2）基于最小化Lp（0＜p＜1）范数的稀疏表示，（3）基于最小化L1范数的稀疏表示，（4）基于最小化L2,1范数的稀疏表示，也交组稀疏表示和5）基于最小化L2范数的稀疏表示。在本书中，全面分析了每一种稀疏表示形式的目标函数和优化算法，并综合分析了最新的基于稀疏表示理论的应用。 本书可以作为研究稀疏表示和图像处理方面的工具书，包括了详尽的理论介绍和多方面的实际应用，全面分析了稀疏表示理论中的两个关键问题，即字典学习和正则化方法，同时，全面介绍了稀疏表示在图像处理，图像分类和追踪，图像复原等实际应用中的最新方法。
