图像分类是一种根据图像的不同语义特征,将图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读的图像处理技术。它广泛应用于人脸识别、文字识别、遥感图像中专题信息的提取和动态变化的检测、雷达图像目标物追踪,声场全息图像中声源定位,淘宝商品穿衣搭配等领域。稀疏编码是一种模拟哺乳动物视觉系统主视皮层V1区简单细胞感受野的方法,它可以模拟人眼视觉系统,反映自然图像的统计特性。基于稀疏编码的图像分类比传统的方法表现出更大的优越性,本文基于稀疏编码理论,研究了用于图像分类的判别字典学习方法及图像分类问题,主要工作有:首先,针对现有判别字典只能刻画图像中线性语义信息的特点,提出了一种核空间的Fisher分类判别字典的学习方法。该方法采用核映射,将训练样本映射到高维核空间映,然后以Fisher准则作为约束项,学习判别字典。其次,现有的图像分类方法大多数是先进行图像特征提取,然后根据提取的特征训练分类字典,由于固定的特征提取方法与字典学方法之间没有直接联系,会影响到判别字典的区分能力。为此,本文提出了一种将特征提取操作和分类字典学习融合的方法,该方法通过对特征提取矩阵进行正交约束,完成特征提取矩阵与字典之间的融合,学习出基于正交约束的投影判别字典。最后,图像通过电子器件获取过程中,由于现场光照的不均匀、物理元器件受到温度变化造成性能上的不稳定等,都会导致某些显性的噪声掺杂到图像中,此类噪声掺杂在训练样本中会影响学习的分类字典的判别性,而基于正交约束的投影判别字典学习方法无法避开该类噪声,导致学习到的判别字典分类效果有所折中。为此,提出了具有噪声抑制的投影判别字典学习方法,该方法通过引用SVD分解中*UΣM?V,M矩阵中噪声信息会分布在Σ奇异值矩阵的s?1列之后的思想,去除s?1列之后的噪声部分信息,缩小投影判别字典对训练样本的作用域。