随着网络与多媒体技术的快速发展,图像数据发生爆炸性增长,基于内容的数字图像操作越来越多,给人们对图像的管理带来巨大挑战。面对海量图像数据,传统依靠人工操作对图像进行分类与标注的管理方式因其耗费大量人力而不可行。利用计算机按照人类的理解方式自动将图像分类到不同语义类别成为一个紧迫任务。　　 图像场景是基于图像理解的众多高层语义中重要一种,它不仅包含人们对一幅图像的总体认识,还提供了图像对象出现的上下文语义环境,为进一步识别图像对象提供基础。图像场景分类已成为当前计算机视觉和多媒体信息管理领域的热点问题。　　 图像场景分类根据图像内容自动将图像分到不同场景类别(如:城市、森林、海岸等)。场景分类通常分为两种:基于底层特征的场景分类和基于中层语义的场景分类。底层特征直接描述图像语义信息能力较差,在向高层语义抽象时存在语义鸿沟,需要一种中间语义作为底层特征与高层语义的过渡。　　 本文主要研究内容及创新有以下几点:　　 1、提出多种特征点融合的SIFT特征提取算法。该算法在传统SIFT的基础上,增加部分伪极值点和非极值点作为感兴趣点,可以获得更多的特征点,并使特征点在图像上分布更均匀。　　 2、提出层次聚类视觉词典构建算法。该算法在生成视觉词典前对每幅图像特征单独进行一次聚类,可以使视觉单词包含更多的场景信息,并大大缩短视觉词典生成时间。　　 3、采用软分配量化SIFT特征。该算法将一个SIFT特征分配到多个视觉单词上,更符合图像特征本质。　　 最后利用概率潜在语义分析(pLSA)模型进行训练与测试,完成图像场景分类。