传统的特征袋模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外，l1范数约束 下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征，而不关注哪一个特征被选择。提出了一种基于弹性 网稀疏编码的特征袋模型。该方法利用SIFT特征描述子构建特征字典，再通过弹性网回归模型求解每个描述子所对应的 稀疏系数向量，最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l1范数稀疏编码的特征袋 方法相比，该方法有较好的识别性能，并对视角变化具有较强的鲁棒性，在空间目标图