图像分类技术是指利用计算机软件等相关技术根据图像自身信息中所反映的不同特征，将特征不同的目标或区域划分开来的图像处理方法。传统的图像分类技术则利用对图像的特征提取，建立训练模型从而进行分类，常用的方法如SVM等。这些方法的分类效果极大地依赖于图片的背景复杂度，对于图片比较清晰，背景较为简单的图片则分类效果有所提升，而对于背景比较复杂的自然图像则就束手无策了。　　智慧城市管理系统是一款可利用智能手机对城市管理中出现的问题进行一键上报、领取、处置的方便城市管理者管理城市的智能软件系统。用户可利用该系统进行快速的上报、处置各类城市管理案件，摒弃了传统城市管理案件上报处置的繁琐流程，使城市管理更加方便高效。然而，随着用户量的增多案件量也随之越来越多，如何将众多类型案件进行自动分类成为一个亟待解决的问题。　　本文研究的重点就是将智慧城管系统中的案件进行分类，根据城管案件的特点，每个案件至少包括一张案发现场的图片，因此可利用图像分类的方法将案件自动分类。然而，系统中的案件图像均是由用户利用普通智能手机拍摄所得，所有图像均是随机采集的自然图像，像素大小不一，背景复杂，利用传统的图像分类方法无法正确高效地将图片进行分类。　　基于上述内容，本文主要进行了以下研究工作：　　第一，基于传统图像分类算法SVM等的城管案件图像分类研究。本部分主要利用传统图像分类方法，首先对图像进行相关预处理操作，使得图像特征更加明显进而提取，然后建模训练，最后进行分类实验。　　第二，基于深度学习的图像分类算法研究。本部分主要是利用当前最新的深度学习算法结合本系统中的图像设计合理的算法进行分类。首先，以深度学习中的稀疏自编码(SAE)算法分别做二分类和四分类实验；然后以卷积神经网络(CNN)算法为基础，提出一种基于ZCA预处理的八层卷积神经网络算法，分别对城管案件图像数据做分类实验，实验结果证明本文提出的该ZCA-CNN算法能够高效的将城管案件图像进行精确分类，从而完成对系统中案件的分类，同时，经实验表明，本算法也适用于其他图像数据集的多分类。　　第三，本部分主要介绍基于iOS手机操作系统研发的智慧城管iOS版，主要包括消息中心模块、应用模块（包括案件上报、案件列表、案件统计等功能）、任务模块以及个人中心模块。用户可以使用该系统进行一键上报案件、领取案件、处置案件、实时交流等操作且所有操作公开透明，使城市管理工作更加便捷化、智能化。