本论文提出了一种基于区别性原子模型的稀疏表征方法。该方法利用平均信息量和词频-逆向文件频率(tf-idf)分析并重构字典中原子携带的区别性信息。本论文提出的方法是一般化模型,其重构的区别性信息只与图像内容有关,可面向多种应用。本论文主要分为两个部分。第一部分首先分析了稀疏表征技术在计算机视觉领域的发展。介绍了稀疏表征的主要原理、相关算法及区别性稀疏表征模型。在此基础上,提出了一种基于区别性原子模型的稀疏表征方法。第二部分将所提出的区别性原子稀疏表征方法分别应用到运动目标检测、人脸识别和显著性检测应用中。在运动目标检测应用中,首先利用区别性原子稀疏表征方法重构序列图像的粗糙运动区域,然后利用改进后的均值滤波和健壮稀疏编码算法得到细化的运动区域；在人脸识别应用中,首先利用区别性原子稀疏表征方法重构人脸图像,然后利用子空间学习实现人脸识别；在显著性检测应用中,在基于前景、背景相似度差异的显著性检测框架下,利用区别性原子稀疏表征方法求取先验图作为额外的背景先验,提高了显著性检测的效果。最后,在国际标准数据库上进行测试,实验结果表明区别性原子稀疏表征方法在上述三个应用中是切实有效的。