稀疏表示分类方法（sparse representation-based classifier，SRC）在模式识别领域展现了巨大的潜力。基于稀疏表示分类的鉴别投影（SRC steered discriminative projection，SRC-DP）则是建立在SRC分类准则基础上的降维方法，其在投影空间中最大化类间重构误差与类内重构误差的比值。针对SRC-DP中提取的特征之间具有冗余信息，从而影响其鉴别能力的问题，提出SRC-ODP（SRC oriented orthogonal discriminative projection）方法，利用投影矩阵的正交约束取代SRC-DP中的约束条件，其优越性为：a）正交投影矩阵具有更高的特征提取效率；b）所提取的特征具有更强的鉴别能力。在AR和Extended Yale B数据库上的实验表明，该方法可以使SRC达到更好的分类结果。
