随着信息技术的发展,图像分类技术广泛运用于各个领域。传统的图像分类技术一般都是基于单个特征进行分类的,分类性能都不是很好,因此目前的研究趋势是利用多种特征信息进行分类,本文针对如何融合多种特征信息这一难点做了深入研究并提出了一种基于多特征通道的图像分类算法。图像分类主要包括三个过程：图像特征提取、计算图像模式向量和分类器分类,本文对这三个过程做了深入研究。图像的特征提取是影响图像分类性能最重要的一个因素,相比全局特征,局部特征能更好的适应图像背景混杂、局部遮挡、光线变化和几何变换等情况,所以近些年得到了广泛运用。现有已经有很多种特征提取算法被提出,但不同的算法在不同的情况下有着不同的表现,目前还没一种特征提取算法在任何情况都有着优良的表现,而传统的图像分类方法都是只针对某种单独特征进行分类的,这带来了一定局限性。针对这种情况,基于多重特征的图像分类方法已成为研究热点,本文深入研究了基于特征组合的图像分类方法,并分析了这种方法的优缺点,同时提出了一种基于多特征通道的图像分类算法,多特征通道指不同特征检测算子与特征描述算子的组合,最后根据每个通道的分类信息进行综合决策判断从而得到最终的分类结果,实验表明,该算法有效的结合了图像的多种特征信息,对图像的表示更为精细,分类性能相比基于单个特征的分类算法有了显著提升。最后,对本文所做工作进行了总结,制定了下一步研究计划。