局部二值模式是一种有效的纹理描述符。然而,传统局部二值模式算子仅仅使用均匀模式,而忽略了所有非均匀模式。随着邻域半径增大和采样点增多,非均匀模式的比例越来越高,丢弃非均匀模式引起大量信息损失。针对这个问题,本文提出了改进局部二值模式。该算子同时利用均匀模式和非均匀模式,根据均匀度大小把非均匀模式分成若干小类,并从中提取了大量的纹理基元,如线段、T型拐点、十字交叉形状等,这些纹理基元与均匀模式所表示的纹理基元对纹理分类同样重要。因此,改进局部二值模式特征比传统局部二值模式特征具有更强的描述能力。此外,如果忽略各模式的方向,可以得到旋转不变改进局部二值模式算子。在Brodatz、Outex等纹理数据库上的实验结果表明,改进局部二值模式方法优于传统局部二值模式方法。由于类内变化大,仅使用局部二值模式特征对场景图像进行分类,准确率往往不高。针对这个问题,本文提出了一种新的场景分类算法——金字塔概率潜在语义分析算法。该算法利用概率潜在语义分析挖掘图像的潜在主题,并利用空间金字塔引入主题之间的位置信息,提高概率潜在语义分析算法的性能。同时,该算法采用改进局部二值模式、尺度不变特征变换、方向梯度直方图、自相似等多种描述符对区域进行描述,从图像中提取含有纹理、灰度、形状等互补信息的多种特征。对于分类器设计,本文使用自适应提升算法和prod-max决策级融合算法得出测试图像的最终类别。在OT、LP、LSP、Caltech-6和Caltech-101标准数据库上的实验结果表明,本文提出的场景分类算法取得了较为满意的分类准确率。