1.一种基于不相干性联合字典学习的图像分类方法，其特征在于：为每类图像训练一个类字典、为所有图像训练一个共享字典，保证共享字典的低秩性，且在低秩共享字典和类字典间加入相干约束项，模型如下：其中，训练样本 包含C类， 表示第c类训练样本， 是训练字典， 表示第

c类训练字典， 代表共享字典， 是类字典，是编码系数矩阵， 是Yc对应字典D的编码系数， 是Yc对应字典Dc的编码系数， 是Xc去掉 的剩余部分，给定一个矩阵A和自然数n，假设μ(A ,n)为n个相同列的矩阵，每一列是A中所有列的平均向量，假定

2.根据权利要求1所述的基于不相干性联合字典学习的图像分类方法，其特征在于：交替迭代求解来更新字典模型中的变量，包括：采用随机梯度下降法更新类字典，交替方向乘子法迭代更新共享字典，快速软阈值迭代算法更新编码系数矩阵，如下：

1)更新类字典

假定 则 当固定X、DC+1时，求解其中，

给定一个矩阵T， 的定义如下：使用随机梯度下降法SGD更新

这里α1是梯度下降的步长；

2)更新共享字典DC+1：

假定X＝[X1；...；Xc；...；XC；XC+1]， 和分别是训练样本在第c类字典和共享字典下的编码系数，当 X固定时，更新共享字典DC+1：

使用交替方向乘子法来更新DC+1，迭代更新公式(6)-(8)直至收敛，奇异值阈值算法求解核范数最小化问题；

V＝θ(DC+1+U)

                                  (7)U＝U+DC+1-V

                                   (8)θ是奇异值收缩算子，E代表单位矩阵，α2代表梯度下降的步长，采用随机梯度下降法更新公式(6)中的DC+1；

3)更新编码系数矩阵X

当字典D固定时，快速软阈值迭代算法被用来更新X，假定在每次迭代更新中，需求出s(X)的导数，