随着多媒体技术的发展及人们日常生活的需要,涌现出了大量的图像,同时伴随着图像处理技术及计算机网络的普及,图像的传播速度也在快速提高。面对庞大的图像信息,如何对其进行有效管理是目前面临的重要问题,图像分类技术是解决该问题的主要途径。本文主要分析了基于稀疏表示的图像分类的关键技术,详细工作体现在以下几个方面:1.在分析图像分类研究现状及存在问题的基础上,对稀疏表示理论进行了研究。在分析图像稀疏表示模型的基础上,针对稀疏表示模型的两个核心问题稀疏分解与字典构造进行了详细讨论,综述了目前典型的稀疏分解方法与字典构造方法。在此基础上,总结了稀疏表示在图像处理领域的应用。2.在传统的基于图像全局特征的图像分类框架的基础上,介绍了一种新的图像分类方法--基于感兴趣区域与稀疏表示的图像分类,首先,提取图像的感兴趣区域,并以此作为图像特征,然后,利用一个经典的稀疏表示分类方法--spg_lasso算法实现图像分类,在Corel图像库上的实验结果证明了新方法的优越性。3.提出了基于Gabor变换与稀疏表示的图像分类方法,将训练图像集进行Gabor变换,归一化处理后作为稀疏表示的初始化字典,然后将待测图像描述为字典的线性组合,最后利用待测图像的稀疏系数及重构误差实现图像分类。在Corel图像库和两个常用的纹理库上的实验结果表明,所提出方法优于传统的分类方法。