随着数字照相机、摄像机、手机等各种电子设备的迅速普及,以及互联网、移动通讯网络的高速发展,通过拍摄数字相片和数字视频并上传分享网站以记录生活被越来越多的人所接受。目前,互联网上出现了大量的图像上传与分享网站,这些网站已经积累了海量的用户上传图像。如何有效的管理和检索这些海量的图像数据成为一个重要的问题。　　本文针对图像的描述和分类器学习进行了研究。在图像的描述方面,针对图像是根据对象进行分类的特点,我们提出了基于对象分割的图像描述方法。我们的方法将图像中的对象从图像的背景中提取出来,再使用视觉特征进行描述,从而排除了背景带来的干扰,使得图像分类过程对于对象更具有针对性。实验表明,我们的基于对象分割的描述方法可以使图像分类的效果也更加准确。在分类器学习方面,针对现实数据中经常出现的样本不平衡问题,我们提出了自适应的采样和代价敏感学习方法。我们的方法解决了现有方法中存在的问题,并结合数据层和算法层方法的优点,在采样的总体框架上和单个分类器的效果上都进行了提高,从而改善了分类器在不平衡数据集上的分类效果。实验表明,我们的自适应采样和代价敏感学习方法在不平衡数据集上可以取得更好的分类准确率。