场景分类是指根据场景图像所包含的内容自动识别该图像的场景类别,是计算机视觉领域的基础任务之一,是目标检测、目标跟踪和图像检索等计算机视觉任务的研究基础。随着数字多媒体技术的迅猛发展,计算机以及智能手机的不断普及,每天都有大量的图像数据产生,目前亟需有效的手段对海量图像数据进行管理分析。因此,场景图像分类的研究备受学术界和工业界的关注。近些年来,随着深度学习的火热发展,卷积神经网络已经在场景分类任务中取得了突破性的进展。本文主要研究了多尺度的卷积神经网络,并提出了两种基于深度卷积神经网络的场景分类方法,主要研究如下:(1)针对现有基于卷积网络的场景算法的不足,本文提出了一种基于端到端的多尺度卷积神经网络场景分类方法。现有的基于卷积网络的场景分类方法大多采用多步骤策略,首先将卷积神经网络作为特征提取器从多个尺度提取场景图像的高层语义特征,然后使用传统的中层表达方法得到场景的多尺度特征。这类场景分类方法将特征学习与分类器训练孤立开,有违深度学习的端到端思想。本文改进现有算法的不足,提出了一种端到端的多尺度卷积神经网络,将多尺度场景块提取、特征学习、多尺度特征融合和分类器训练统一到卷积神经网络中。另外,该方法采用多任务学习策略和特征预融合策略,充分挖掘各尺度下场景特征的性能。最后,本文所提出的基于端到端的多尺度卷积神经网络场景分类方法在MIT67室内场景数据库和Scene 15场景数据上分别取得了80.9%和94.5%的精度。(2)根据现实生活中场景图像往往包含大量目标的特点,本文提出了一种具有判别性的深度场景特征分类方法。首先,该方法使用迭代算法从原始场景图像中提取具有判别性的场景图像块,该图像块包含的场景目标既可以有效代表当前场景类别,又明显区别于其他场景类别。然后,该方法分别从局部和全局的角度出发,一方面使用卷积网络提取场景图像的全局特征,另一方面使用改进的局部特征聚合描述符从场景图像块中提取局部特征。最后,本文联合了场景的局部和全局特征在MIT 67室内场景数据库和Scene 15场景数据中分别取得了83.2%和94.8%的精度。