最先提出将稀疏表示用于人脸识别的文章，又重新看了一下，重点关注了对于噪声和遮挡的处理，记录一下。
因为假设了噪声e0是个稀疏向量，才能将噪声情况统一到SRC的框架下。
并且对e0的稀疏程度进行了分析。
结论是：当噪声或者遮挡损坏的像素信息低于50%左右的时候，改方法才能保证得到稀疏解。这也解释了为什么当噪声高于50%时，该方法的效果不好。
当用L1-norn进行限制时，这个比例还会被缩小。
另外，在判别类别的时候也所有改变：
另外，对于有遮挡的情况，文中使用的分块投票的策略，因为用全局的话结果特别不好。