影象分類包括影象樣本的獲取過程，影象特徵提取過程和影象分類的過程。

特徵提取是指為了保證分類器能夠正常工作，需要對樣本影象進行一些變換，並按某種準則選用對正確分類識別有作用的資訊。而影象的分類通常包含了訓練分類器和使用分類器進行分類的過程。近期，基於稀疏表示的方法在影象分類得到了廣泛的應用，J Wright 等在文獻[14]中提出了基於稀疏表示分類(SRC)的魯棒人臉識別方法，其在噪聲和遮擋環境下具有優秀的識別效果。Xue Mei 等在文獻[12]中提出了結合稀疏分類與貝葉斯推理框架的識別演算法，在此文獻中，作者還提出了用細節模板對噪聲，遮擋等干擾進行建模的方法，同時，該文獻還提出了一種非負約束用以增強稀疏分類精度。宋相法等人在文獻[15]中提出了一種基於稀疏表示的多標記學習演算法。此演算法充分利用隸屬度對標記進行排序，進而完成分類。