随着知识经济和经济全球化深入发展,知识产权日益成为国家发展的战略性资源和国际竞争力的核心要素。外观设计专利作为知识产权的一项重要内容,我国政府、企业对外观设计专利的保护越来越重视。通常专利图像数据库都是海量的,因此开发并发展基于内容的外观专利图像检索系统是十分必要的,同时具有深远、重大的社会、经济效益。外观专利图像检索系统在检索过程中往往只是简单的比较图像视觉特征之间的相似度,并没有按语义检索图像。而且图像库中的图像通常是海量的,顺序检索的计算量十分巨大,也是十分耗时的。针对以上问题,将这些图像划分为一些有意义的类别成为越来越迫切的需求,即实现自动分类。自动分类不但能满足用户根据图像语义内容检索的要求,还能提高检索速度。因此,图像根据语义分类是一个值得深入研究的领域。本文以外观专利图像的边缘轮廓距离作为基础数据,在兼顾外观专利图像语义相似和低层特征相似时,分别使用支持向量机(SVM,Support Vector Machine)、K均值聚类、NJW谱聚类对外观专利图像分类,并提出一种基于均值的谱聚类特征向量选择算法。针对上面四种分类算法,设计了一整套实验方案用来外观专利图像分类。实验表明,当图像库的数据量较小时,四种算法的分类效果较差,但随着数据量的增大,分类准确率得到明显的改善,并趋于稳定的状态。在简要介绍外观专利检索技术和图像分类方法现状的基础上,论文主要做了以下三个方面工作：(1)阐述了支持向量机的基本思想和分类器的构造,并将外观专利图像特征数据作为分类器的输入,实现自动分类。(2)在兼顾外观专利图像语义相似和低层特征相似时,介绍使用K均值聚类算法实现外观专利图像分类的步骤。(3)介绍了谱聚类的基本原理和实现步骤,提出基于均值的谱聚类特征向量选择算法,并将外观专利图像特征数据作为试验的数据集,验证K均值聚类算法、NJW谱聚类算法和基于均值的谱聚类特征向量选择算法在该数据集上分类的有效性。同时在相同特征数据的情况下,分析了不同分类方法对图像分类效果的影响。