近年来,随着手机、电脑等多媒体设备个人拥有率的大幅提高,人们每天在网络中发布的图像和视频的数量以井喷式的速度在增长,而无法有效的管理和分类这些视频图像资源的问题也日益严重,亟待解决。图像分类技术正是解决该类问题的有效手段,目前图像分类方法中普遍采用的是BOW (Bag Of Words)模型和SPM (Spatial Pyramid Modal)模型,前者是从文档分类技术中发展而来的,而后者对图像进行了层次划分,并在特征构造时引入了空间位置排布信息,使得图像最终的特征表述更加完备的同时也有着更加高效的图像分类识别率。本文在SPM分类模型的基础上,对图像分类领域中的特征提取与编码、视觉词汇码本的建立以及图像的特征加权表述等问题进行了研究,以下几点是论文的主要研究成果：(1)给出了一种基于金字塔不同划分层次下视觉词汇码本的构建方法。即对图像划分后的每一子区域构造视觉词汇字典,从而刻画出不同划分层次不同细粒度下的图像特征信息。该方法有效减小了图像背景差异大、显著的分类特征在图像中出现位置变化多等问题对分类识别率的影响。(2)考虑到提取图像的单一特征容易丢失原图像有效信息的缺点,本文给出的图像特征表述方法中同时提取了图像中的SIFT特征和OverFeat特征,并将这两个特征在编码之后进行了串联融合,实验证明该特征用于图像分类的效果比使用单一特征效果要好。(3)给出一种依据不同划分层次下不同子区域特征对图像识别影响率的大小进行特征加权的有效方法。