随着多媒体信息技术的迅猛发展,图像数据以前所未有的速度增长。面对海量的图像数据,利用计算机对数据进行有效管理成为一项紧迫任务。在此基础上提出的图像场景分类对图像检索、目标识别、计算机视觉等领域都有较大的作用。图像场景分类就是根据图像内容信息,自动地将图像分为诸如海岸、森林、城市等场景。场景分类的方法分为基于底层场景分类和基于中层的场景分类。由于图像底层特征与高层语义之间存在鸿沟,因此基于底层特征难以有效地实现场景分类。本文从图像的底层特征开始阐述,围绕建立中间语义,最终完成图像的场景分类。视觉词典是中间语义的基础,本文通过提取底层视觉特征,进行K-means聚类生成视觉词语,从而建立视觉词包。图像的描述就由原来的底层特征变为视觉词语的概率分布。由于词典中出现同义和多义的问题,借鉴了文本统计中的LSA思想。我们建立主题模型,利用概率潜在语义分析(PLSA)发现与图像场景相对应的潜在主题,采用最大似然模型完成图像的场景分类。但此方法直接从视觉词语出现的总体情况进行场景分类,并没有到考虑图像的空间分布。鉴于此,我们在原来的基础在将图像进行分块,把每个分块作为一个整体采用PLSA模型提取潜在主题,最后将各个分块的潜在主题向量合并作为支持向量机的输入向量完成图像的场景分类。实验表明,该方法引进了有监督的SVM,虽然增加了时间的复杂度,但此方法的场景分类精度更高。