21世纪是一个信息化爆炸的时代,相比于声音和文字,图像能够使人们更直观地获取信息,它所包含的信息量更大,接收方式更加灵活,传递的方式更为直接。人们需要将获取到的图像进行缩放、观察和分类,提取图像中的有用信息,从而提高生产效率,给生活带来便利。若要通过远距离拍照或者根据监控器中的音频获取详细信息,需要将获得到的图像进行缩放,但是图像在进行缩放之后会产生块状失真或“马赛克”情况,影响图像质量,此时进行图像分类会造成图像分类准确率降低。本文研究了可以有效抑制缩放过程中图像失真的多种方案,包括最邻近插值法、双线性插值法、弹性模型法、边缘检测插值法、双三次插值法等,并对上述方法进行对比试验。针对双三次插值算法运算量较大的问题,本文通过计算图像方差将图像划分为平坦区域和复杂区域,并针对不同区域对图像分别进行双线性插值和双三次插值切换模式,该改进双三次插值算法相较于单一方法可以以相对较少的运算量获得更为有效地降低图像缩放失真的效果。为了进一步使缩放失真图像的内容和信息被准确地提取,得到较好的分类效果和识别准确率,本文还研究了词袋模型(BOF)及其改进算法,从算法原理、算法流程、关键特征点提取、特征描述子以及SVM分类器核函数的选取等几个方面进行了深入研究。首先,本文研究了特征描述子提取的方法,给出SIFT算法和SURF算法两种不同提取方法的原理、步骤,并由此构造视觉词典和空间金字塔的匹配,以用于改善缩放图像的分类识别效果,提高识别准确率;其次,本文对比了四种SVM分类器的核函数,选取了分类准确率最高的金字塔直方图交叉核作为分类器的核函数;最后,本文将改进双三次插值方法与词袋模型相结合,用于缩放图像的分类。根据测试结果,本文提出的改进双三次插值方法与词袋模型相结合算法得到的图像分类准确率高于其他几种分类方法。