1.一种基于字典域适应的迁移稀疏编码图像分类方法，其特征在于，包含以下步骤：步骤一、对源域和目标域图像样本分别进行预处理，获取源域和目标域图像数据集XS与XT；

步骤二、分别采用源域和目标域图像数据集XS与XT训练稀疏编码模型，获取源域和目标域字典BS与BT；

步骤三、通过对齐源域和目标域字典BS与BT，使得源域和目标域间的图像稀疏编码特征在跨领域知识迁移过程中保持不变，同时得到源域向目标域对齐后的字典Ba；

借助Ba，并通过源域和目标域重构误差和领域间字典逼近正则项，构建基于字典域适应的迁移稀疏编码模型的目标函数；

*

经过字典与编码交替优化过程来学习域适应字典B ，也获得不同领域间样本关于域适*应字典的共享编码特征A＝{AS，AT}，其中AS为源域图像数据集XS的稀疏编码；AT为目标域图像数据集XT的稀疏编码；

步骤四、采用源域图像数据集XS的稀疏编码AS及其标签集YS训练SVM分类器，对所述目标域图像数据集XT对应稀疏编码AT进行标签预测；

步骤一中，所述对源域和目标域中的图像样本预处理包含如下步骤：(1)对源域和目标域中图像样本XS1与XT1分别进行分辨率一致缩放处理，得到数据集XS2与XT2；

(2)将数据集XS2与XT2分别进行归一化处理，得到数据集XS3与XT3；

(3)将数据集XS3与XT3分别进行PCA降维处理，得到源域和目标域图像数据集XS与XT；

步骤二中两组稀疏编码模型为：

其中，c为字典约束项的阈值参数，用于控制模型的复杂度；

i＝1，2，…，k，k为构成字典的基向量个数； 是Frobenius模，||A||1为带L1约束的稀疏惩罚项，参数λ为稀疏惩罚系数， 和 分别为源域字典BS和目标域字典BT的元素。

2.根据权利要求1所述的一种基于字典域适应的迁移稀疏编码图像分类方法，其特征在于，步骤三中源域向目标域对齐后的字典Ba求解过程为：

3.1、构建字典对齐目标函数并优化：

其中，M为用于对齐字典BS、BT的坐标转换矩阵；

3.2、获取最优坐标转换矩阵

* *

3.3、采用M将源域字典BS向目标域字典BT对齐，得对齐后字典为Ba＝BSM。

3.根据权利要求1所述的一种基于字典域适应的迁移稀疏编码图像分类方法，其特征在于，步骤三中所述构建基于字典域适应的迁移稀疏编码模型的目标函数如下：其中， 和 分别为源域和目标域样本的重构误差，μ为两者间平衡系数，λ为稀疏惩罚系数， 为领域间字典逼近正则项。

4.根据权利要求3所述的基于字典域适应的迁移稀疏编码图像分类方法，其特征在于：所述步骤三中，对基于字典域适应的迁移稀疏编码模型目标函数进行字典与编码的交替优化过程中，采用L2正则化项 替代目标函数中字典约束项

5.根据权利要求4所述的基于字典域适应的迁移稀疏编码图像分类方法，其特征在于：所述步骤三中，采用领域间字典逼近正则项 取代字典L2正则化项