图像处理中存在大量非适定（Ill Posed Problem）的问题，如图像去噪、图像恢复、图像放大、图像修补、图像去马赛克和图像超分辨重建等。处理非适定问题的一种重要方法就是添加正则约束，将非适定问题转化为适定问题。因而，该书侧重于“正则化”矩阵表示的图像处理方法研究。
《图像处理与机器学习中的正则化表示方法》主要研究基于矩阵正则化表示的红外目标检测、图像修复与补全、高光谱图像解混等问题，所使用的矩阵正则化表示模型主要有：矩阵低秩稀疏分解模型、矩阵调和稀疏分解模型、矩阵联合稀疏回归模型等。此外，该书也研究带有正则约束的基于表示的分类方法，包括基于稀疏组回归的分类方法、基于k.最近邻类联合表示的分类方法，以及基于区间的稀疏集成太赫兹数据多类分类算法。基于正则化表示的图像处理、机器学习方法为图像处理与分析、模式识别、机器学习提供了新的工具和思路。

第1章绪论
1.1矩阵正则化表示基础知识
1.2国内外研究现状
1.3内容导读
第2章基于矩阵低秩稀疏分解的红外目标增强
2.1引言
2.2利用ALM法求解RPCA
2.3算法ALM_RPCA的MATLAB实现
2.4实验及分析
2.5小结
第3章基于低秩矩阵恢复的小波域图像修复算法
3.1引言
3.2模型与算法
3.3数值实验
3.4小结
……