图像是成像系统对可视信息地主要表现形式，大脑视觉皮层对繁杂可视信息刺激的响应具有稀疏性，用稀疏表示描述图像信息是一种有效得方法，该方法在信号处理和模式识别等领域的作用日益增强。本文在深入分析稀疏表示理论的基础上，以3D掌纹图像和红外人脸识别为例，开展了基于稀疏表示的图像分类识别若干关键技术研究，主要内容如下：　　(1)稀疏表示理论研究。研究小波变换、学习字典等稀疏表示方法的理论，探讨从线性到非线性稀疏模型地演变，稀疏表示的抗干扰性和鲁棒性，对稀疏分解算法进行剖析挖掘，通过研究稀疏表示理论的数学模型，明确图像稀疏表示过程的关键环节，并针对固定基字典组合的多样性，实现稀疏表示的固定基字典提取，为下阶段应用探索做理论和算法铺垫。　　(2)基于稀疏表示的3D掌纹图像识别应用。3D掌纹图像点云数据深度信息到空间结构的表达常采用均值曲率方法，但此方法会造成3D掌纹的表达特征缺失严重，其表征的曲面点之间有强相关性。本文采用更强3D掌纹空间结构信息表达能力的形状指数，结合 Contourlet变换良好的图像稀疏表达能力，提出改进Contourlet变换的3D掌纹图像识别，通过合理构造能有效表达3D掌纹图像信号的最优原子，得到更具图像本质特性的变换描述形式，最后用合适的分类器达到有效识别的目的。深入研究稀疏表示方法，针对改进 Contourlet变换3D掌纹图像方法中正交字典子空间图像直接取均值和方差，而导致图像特征不足的缺陷，提出结合 Contourlet和 PCA字典的稀疏表示方法，并通过对图像主纹理和细节纹理差异的模糊处理方案，对 Contourlet各尺度子带引入客观评价指标，然后整合成新的固定基字典，改善了3D掌纹图像的识别效果。　　(3)基于稀疏表示的红外人脸识别应用研究。本文对红外人脸采用 K-S V D(K-singular value decomposition)学习字典来训练图像样本，对红外人脸样本图像全局化PCA(Principal Component Analysis)降维，克服 K-SVD算法初始化固定字典具有维度限制，同时考虑该训练字典中使用 DCT(Discrete Cosine Transform)初始化字典造成的平方维数要求，本文引入平滑算子，达到有限任意维数的K-SVD字典构造的目的。本文通过对 PCA特征下的红外人脸图像潜在成分的非高斯性的可分性信息进行分析，表明 K-SVD训练字典具有最优地红外人脸特征表达能力，结合 OMP(Orthogonal Matching Pursuit)实现鲁棒地红外人脸识别。　　本文完成了 Contourlet变换、字典学习在图像识别领域的初步探索，为稀疏表示在图像分类，尤其是生物特征领域的分类识别提供新思维，本文模型在图像降噪、轮廓和纹理检测、图像增强等方向有不错地应用前景。