近年来,随着计算机视觉和模式识别技术的发展,图像恢复、目标检测以及追踪等相关技术已经被广泛应用于科研和工业生产。图像的质量直接影响图像的进一步使用,只有更加清晰的图像才能更好的进行识别,进而更好的进行目标的检测以及追踪。本文研究了基于稀疏表示的图像恢复、图像检测以及目标跟踪技术,并在原来稀疏模型的基础上对其进行改进与创新,本文所提的方法可以获得更好的效果。本文主要工作和创新点如下:第一,针对图像恢复问题,提出了基于截断核范数和F范数的图像恢复模型。利用截断核范数更好的逼近矩阵的秩,用F范数的平方来防止解过于稀疏。由于该模型既可以保证解的稀疏性又可以保证解的稳定性,从而提高图像恢复的精度。利用交替方向乘子法对模型进行推导并得出相应的求解方法。仿真结果表明提出的方法既提高了图像恢复的峰值信噪比(Peak Signal to Noise Ratio,PSNR)值,又降低了图像恢复的错误率,取得了很好的恢复效果。第二,针对图像检测问题,提出了一种基于联合正则稀疏组Lasso的图像检测模型。该模型充分利用组与组之间的相关性这一辅助信息来提高图像检测成功率。首先,组与组之间的相关性通过调整联合正则项系数来表征。之后,利用交替方向乘子法对该模型进行推导并得出相应的求解方法。最后进行了仿真实验,将本文的方法与传统方法Lasso,组Lasso和稀疏组Lasso进行对比。仿真结果表明,提出的方法目标识别的更准,检测成功率更高。第三,针对目标追踪问题,提出了基于联合正则稀疏组Lasso与粒子滤波的目标追踪算法。该算法基于粒子滤波框架,候选目标通过高斯分布的状态模型产生,观测模型采用的是基于联合正则稀疏组Lasso的观测模型。通过观测模型计算出稀疏系数后,再通过稀疏映射表计算相关目标得分,从而判别出目标。仿真结果表明,提出的算法能达到很好的追踪效果。