稀疏编码是对信息进行稀疏表示的一种方法,其目的是用少量的基函数线性组合来逼近输入信息,要求基函数含有数据的主要特征。在实际应用中,由于稀疏编码具有存储量大,联想记忆能力等优点,而广泛应用于图像处理、语音信号分离、模式识别等领域,是当前研究的热点。同时,由于稀疏编码存在计算量大,计算速度慢等问题,也是当前研究的难点。本文首先介绍了稀疏编码算法的研究背景和意义,接着给出稀疏编码算法的相关理论知识,并且概述了三种经典的稀疏编码模型,然后详细介绍了Honglak lee提出的稀疏编码算法。通过分析指出lee提出的FS算法存在对零初始值的依赖性,对此我们提出了一种初始值改进的有效算法。用迭代最小二乘和迭代重加权分别对初始值进行预处理,使lee方法的初始值接近稀疏最优解,并且将改进的算法应用于图像处理中。数值实验结果表明,改进的算法增强了FS算法对初始值的鲁棒性,在求解优化问题时,有效地减少了迭代次数,提高了计算速度。