随着信息科学技术和图像采集设备的迅猛发展，图像数据在我们的日常生活中无处不在，并且其种类和数量不断增长。与传统的以单幅图像为单位的分类任务相比，以图像集为对象的分类效果更加引人期待。图像集包含了关于待分类对象更为丰富的信息。图像集通常具有高维度和复杂的结构，其变化不仅仅体现在线性子空间中，还包括更复杂的非线性变化。本书介绍了基于图像集数据的分类研究的背景和研究现状，对全书的框架结构进行梳理。深入介绍格拉斯曼流形相关的理论知识，主要介绍了几种基于稀疏表示的分类方法在格拉斯曼流形空间以及乘积格拉斯曼流形空间的推广方法，通过实证分析评估了这些模型在图像集分类问题上的性能。本书旨在解决基于图像集的分类问题，从格拉斯曼流形空间的视角分析提供深入而全面的理论基础和实践方法，为相关领域的研究者和从业者提供有价值的参考。