本书内容荣获2022年“CCF优秀博士学位论文激励计划”
在图像处理研究中，如何充分利用图像的先验结构一直是研究人员十分感兴趣的课题。图像先验的数学建模是最经典的一种图像先验利用方法，是将图像结构进行形式化与数学化的过程，它不仅反映了人们了解图像本质特征的渴望，也是诸多实际应用的可靠性保障。
本书主展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架。书中创新性提出一系列新型建模工具，相信能够对领域的发展有一定地助力，同时也能为读者带来新的启发。
本书适合具备相关数学、编程基础的研究和开发者阅读，也可为数字人文领域的学者提供一定的参考和借鉴。

图像先验的数学建模是最经典的图像先验的利用方法。它不仅反映了人们想了解事物背后原理的渴望，也是诸多对可靠性与稳健性有高要求的实际应用的需求。本书展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架，相信能够对领域的发展有一定的助力，同时也能给读者带来新的启发。
本书适合数学类、计算机类专业高年级本科生和研究生阅读，也适合具备相关数学、编程基础的研究、开发人员阅读，亦可为数字人文领域的学者提供一定的参考和借鉴。

丛书序
推荐序I
推荐序II
导师序
摘要
Abstract
第1章绪论1
1.1研究背景1
1.2相关研究现状5
1.2.1高维数据的稀疏性建模5
1.2.2颜色与方向不变的彩色图像非局部自相似性建模10
1.2.3低剂量CT弦图噪声建模12
1.2.4基于物理机制的深度高光谱融合15
1.2.5基于领域知识的眼底病灶检测17
1.3本书的主要内容19
第2章一种新型高阶稀疏性度量及在张量处理问题中的应用24
2.1引言24
2.2符号定义和背景知识27
……