本發(fā)明公開一種基于拉普拉斯正則化的低秩稀疏表征圖像特征學習方法，包括以下步驟：（1）將數(shù)據(jù)集隨機分成訓練集和測試集；（2）構建訓練集的無向權重圖，并計算其拉普拉斯矩陣；（3）初始化特征提取矩陣，對訓練集進行初次特征提??；（4）設計一個非負低秩稀疏表征的學習模型；（5）利用LADMAP優(yōu)化方法優(yōu)化學習模型，得出最優(yōu)的特征提取矩陣以及最優(yōu)分類器模型參數(shù)；（6）對測試集樣本進行預測識別，驗證特征提取效果以及分類精度。本發(fā)明具有魯棒性強，識別率高，適應性廣等優(yōu)點，對圖像樣本進行特征提取，保留的樣本的信息更多，其判別性更強，可廣泛用于目標識別，圖像分類等。