视觉系统比任何人工的数字图像信号处理系统更加完美,在提高数字图像处理的技术方面,仿生学是很好的途径。稀疏编码作为一种模拟哺乳动物初级视觉系统主视皮层v1区简单细胞感受野的人工神经网络的方法,能够有效地提取图像的内部特征,同时还可以获得图像的最大的信息量。将稀疏编码算法用于视觉艺术作品的风格理解和风格分类方面,一方面可以将计算机图形学、生物学、艺术风格学等学科很好地结合起来,进一步促进计算机图形学、艺术风格学以及这种跨学科领域研究的共同发展；另一方面,实现对不同视觉艺术作品风格分类有利于人们从宏观上更清晰地对视觉艺术风格进行理论梳理,更加容易对视觉艺术的表现形式等有深刻的认识、理解和研究,进一步提高艺术素养,具有重要的现实意义。本为主要围绕稀疏编码理论及其在视觉艺术作品风格分类方面的应用进行展开,具体内容包括以下几个方面：首先,深入地研究了稀疏编码算法,其中包括算法模型、学习过程和算法前期的预处理工作等等。其次,在充分理解了稀疏编码算法理论的基础上,对不同风格的视觉艺术作品进行编码,获得不同的特征基函数和稀疏系数。通过对这些特征基函数和稀疏系数进行深入地分析和研究,从而实现了对不同风格视觉艺术作品的图像理解,并进一步分析了其用于风格分类的可行性。随后,根据不同风格视觉艺术作品经过稀疏编码算法之后,提取的特征基函数和稀疏系数表现出较大的类间距离和较小的类内距离的特点,采用四阶统计量(峭度)对图像数据进行高阶统计,并借助数理统计的方法,通过具体的实验来实现风格识别和风格分类。实验数据证明了利用稀疏编码算法来实现不同视觉艺术作品风格分类的可行性。最后,本文对稀疏编码算法及其应用于风格分类等问题的前景进行了展望,总结了现实中遇到的实际问题以及不足,探讨了该领域的进一步的研究方向。研究表明,基于稀疏编码算法实现视觉艺术作品的图像理解和风格分类的方法,具有独特的优势,获得了较好的实验效果,为视觉艺术作品的风格分类带来了崭新的视角。