本发明公开了一种联合低秩表示和稀疏回归的多视角学习方法，所述方法包括以下步骤：对带有图像记忆度分数标签的SUN数据集分别进行低级特征和高级属性特征的提取；将低秩表示、结合稀疏回归模型和多视角一致性损失三部分放在同一个框架下构成一个整体，构建联合低秩和稀疏回归的多视角模型；利用多视觉自适应回归算法解决自动预测图像的可记忆性的问题，在最优参数下得到图像底层特征、图像属性特征和图像记忆度的关系；组合图像的低级特征和高级属性特征，利用在最优参数下得到的关系结果，预测数据库测试集图像记忆度，并用相关评价标准来验证预测结果。本发明联合低秩表示和稀疏回归的多视角学习框架，准确预测图像区域的可记忆性。