随着数码技术的快速发展和数码相机的广泛使用，用户将不断收集大量的个人数码相片，如何帮助用户组织和管理这些相片是一个重要的问题。聚类技术是解决这个问题的主要方法之一，传统的相片聚类算法主要使用时间和内容信息来对相片集进行聚类，但它们一般都是尝试使用单个特征来聚类，或使用多个特征进行聚类时总要基于预先设定的阈值。这样做法存在不足之处：1）单个特征不能处理复杂的相片集；2）预先设定的阈值不能自适应满足用户多样化的相片集。 本文在对现有相片聚类算法进行调研后，将这些相片聚类算法进行分类总结，并讨论和分析它们的不足。考虑到现有相片聚类算法使用单个特征来聚类只能满足用户单方面需求的情况，本文提出了一个通用的相片聚类框架，该框架可以将现有流行的相片聚类算法集成进来，并根据用户具体需求来联合调用多个相片聚类算法来执行，以达到满足用户多样化需求的目的。考虑到现有相片聚类算法不能满足画册制作所需要小粒度相片聚类的要求，本文提出了一种基于多特征的相片聚类算法，该算法联合使用时间、内容和亮度三个特征来对相片集进行聚类，通过自适应给各个特征分配适当权重来计算出相片之间的相似度，再使用递归图划分的方法将相片集划分成小粒度聚类，以达到满足画册制作的要求。 本文的主要贡献如下：1）针对当前单个特征不能满足用户多样化需求，设计一个通用的相片聚类框架；2）在结合时间和相片内容信息的基础上，引进光学信息来提高相片聚类效果；3）提出一种多特征自适应权值的图划分相片聚类算法，有效地解决了自动画册制作所需要的小粒度聚类问题。