相似的技术还可以用在其他方面，比如说我们在公安部数据库看照片的时候，都是打着网纹的，这是一种数据保护。通过我们的技术可以实现去网纹的工作，上图展示了我们的效果。
上图是刘青山教授在CVPR2005上提出的改进工作。受启发于当时如火如荼的流形学习，他认为把整幅图像进行合成的做法存在不足，他利用LLE的思想把照片分割成一个个照片块或者画像块，再对每一块进行线性组合，组合以后把对应画像利用对应的系数合成照片，这样就把整幅图像的线性转变成局部线性嵌入。
另外把高频分量也进行类似学习，实际上，利用稀疏表示来自适应选择K值，由于线性叠加相当于低通滤波，K是动态变化的。上图所示的训练数据库里面没有具体算法这里不再赘述，我们在相应数据库上做了很多实验。另一方面，比如，对高频成分也进行线性组合以后叠加上。为了使它更清晰我们又加了高通增强，基于data-driven的方法也还存在其它问题。合成以后得到比较清晰的画像。
上图是汤晓鸥教授最早在ICCV2003上发表的一个名为Eigen-Sketch的工作。利用Eigenface的思想，对照片利用训练样本进行线性组合生成，得到照片线性组合的系数以后，将组合系数叠加到画像上，可以合成出画像。这是最早的异质图像合成的工作，也是奠基性的工作。
在上述工作中仍然存在两个问题。一是选择K近邻来线性组合，K值是固定的，有的时候K个近邻块的距离是比较近的，有的时候却是比较远的，如此线性组合以后会出现模糊。这个时候正是稀疏表示发展起来的时候，我们基于稀疏表示做了相应的改进工作。
我们利用照片可以生成相应的画像，上图是我们生成的画像，中间一行只是利用稀疏表示生成的画像，显然不够清晰。
图片变成画像高新波：异质图像合成与识别（2）