近年来,判别综合字典学习模型、判别分析字典学习模型和判别分析-综合字典对学习模型被广泛应用于图像分类任务中,并取得了较高的分类精度。然而,在判别分析字典学习中,如何学习一个更紧凑的、判别力更强的分析字典,使训练样本的编码系数矩阵呈现更具判别力的块对角结构,仍是一个颇具挑战性的问题。此外,在判别分析-综合字典学习中,如何更灵活地利用样本局部结构信息来增强分析-综合字典对的表示力和判别力还有待进一步探究。针对以上问题,本文在判别分析字典学习和判别分析-综合字典对学习模型下做出了深入系统地研究。主要研究内容概括如下:（1）为了保证编码系数呈现更具判别力的块对角结构,增强分析字典的判别力,提出一种自消除判别分析字典学习方法（SeDADL）。具体地,首先设计了一个新的分析字典正则化项,在防止平凡解产生的同时,消除分析字典中存在的重复原子和线性相关原子,从而获得判别力更强的分析字典;然后,设计了一个自消除编码系数约束项,促使编码系数呈现理想的块对角结构,从而提升了编码系数的判别力;最后,引入一个线性分类误差项,通过构建分析编码系数与样本类别标签之间的联系来学习一个线性分类器,提升模型的分类效率和精度。此外,针对SeDADL目标函数的优化求解,设计了一种有效的迭代算法。（2）为了更加充分地利用样本结构化信息和局部结构信息,增强分析字典判别力,提出一种联合结构化约束的判别分析字典学习方法（JSCDADL）。具体地,首先设计了一个自适应局部结构保持项,通过自适应地传递样本的局部结构信息,以确保在分析字典的作用下,同类的样本具有相似的编码系数,从而增强了分析字典的判别力;然后,设计了一个判别稀疏编码误差项,促使训练样本在分析字典作用下获得的编码系数矩阵呈现理想的块对角结构;最后,设计了一个分析字典联合项,通过不断地逼近所学习到的两个分析字典,从而获得一个同时具有样本局部结构信息和结构化信息的分析字典,进一步提升了分析字典的判别力。此外,针对JSCDADL目标函数的优化求解,设计了一种有效的迭代算法。（3）为了更加灵活地利用样本局部结构信息,增强字典对的判别力和表示力,提出一种自适应结构化分析-综合字典对学习（ASDPL）。具体地,首先设计了一个自适应局部结构保持项,灵活和准确地将样本的局部结构信息传递给编码系数,以保证同类样本的编码系数是相似的,从而提升编码系数的判别力,并提升字典对的判别力;其次,引入了一个判别稀疏编码误差项,来确保训练样本的编码系数矩阵具有理想的块对角结构,间接地提升字典对的判别力;最后,通过将两个约束项集成到基本的判别分析-综合字典对模型中来建立ASDPL模型。此外,针对ASDPL目标函数的优化求解,设计了一种有效的迭代算法。（4）在人脸数据集（Extended Yale B、CMU PIE和AR）、农作物叶部病害图像数据集（CLD 22）、物体图像数据集（Caltech 101）和场景图像数据集（Scene 15）等6个公开数据集上进行了大量的验证实验。实验结果表明,在处理图像分类任务时,所提出的SeDADL、JSCDADL和ASDPL方法均可以取得更好的分类效果。