针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法.首先,扩展具有多重描述能力的图像集,图像的中等强度像素携带鉴别信息,故利用原始图像生成中等像素图像,镜像图像可增添图像细节信息,故利用原始图像产生镜像图像,将此两种源域图像与原始图像联合构成扩展的图像集.然后,以无参建模构建扩展的图像集为字典闭包,同类异源域的测试图像构成图像集且构建为测试闭包,借鉴协同表示思想利用字典学习迭代求解闭包系数.最后,采用残差判别函数进行模式分类.本文方法不仅构建具有多重描述能力的图像集,而且充分利用样本集内部关联性从而获得较好的分类结果.本文分别在ORL、GT(Georgia Tech Face Database)、CMU HE、FERET人脸数据库上进行实验.