由于图像和视频采集量的不断增长，怎样自动提取图像信息是计算机视觉领域研究的重要问题。然而，由于图像类别的多样化和图像特征数据量维度高的特性，自动分类一直是图像分类领域里一个难以突破的难题。显然海量的信息手工分类处理是不可能完成的。因此如何利用计算机自动分类就受到了许多学者的关注。在图像分类中，场景图像信息的分类是图像信息提取初级任务的核心，而用适当的语义来描述场景是解决图像场景分类的关键。本文针对目前语义来描述场景存在的一些问题提出了一种局部约束稀疏编码空间金字塔模型。首先对从原始图像中提取的初始特征进行局部约束稀疏编码量化，然后将量化后的特征嵌入到空间金字塔模型中，并采用最大化的方法将特征联合起来。最后，把联合特征用SVM分类器进行分类。同时在构造视觉码本方面，本文改进了传统的视觉码本的构造方法，采用自适应的训练得到包含大量信息的过冗余视觉码本，以便更好的描述低层语义特征。通过实验证明，在多个场景图像数据库上，本文采用的局部约束稀疏编码空间金字塔模型的场景图像分类算法比传统的分类算法准确率高。