摘要：为了克服图像识别中光照,姿态等变化带来的识别困难,同时提高稀疏表示图像识别的鲁棒性,本文提出了一种基于Gabor特征和字典学习的高斯混合稀疏表示图像识别算法.高斯混合稀疏表示是基于最大似然估计准则,将稀疏保真度表示为余项的最大似然函数,最终识别问题转化为求解加权范数的优化逼近问题.本文算法首先提取图像的Gabor特征;然后对Gabor特征集进行字典学习,由于在学习过程中引入了Fisher准则作为约束,学习得到具有类别标签的新字典;最后使用高斯混合稀疏表示识别方法进行分类识别.在3个公开数据库（人脸数据库AR库和FERET库以及USPS手写数字库）上的实验结果验证了该算法的有效性和鲁棒性.

关键词：gabor特征 稀疏表示 fisher字典学习 最大似然估计 

单位：合肥工业大学计算机与信息学院 安徽合肥230009 三江学院电子信息工程学院 江苏南京210012