图像的场景类别不仅包含了人们对一幅图像的总体认识,而且还提供了图像中对象出现的上下文环境,正确的场景分类为图像识别和检索提供了基础。因此图像场景分类就成为当前计算机视觉领域的热点问题。跟文档相似,图像可以由视觉词汇描述,这些词汇表达了一个或多个主题,这些主题反映了图像的场景。本文目的是研究合适的视觉词汇和主题生成模型,用以实现图像的场景分类。具体的,论文做了以下的研究工作:1、通过研究不同的视觉词汇和潜在主题数目对场景分类性能的影响,我们选择基于图像的灰度特征、颜色特征和SIFT特征生成视觉词汇,构建词汇表。然后在此基础上对上述算法进行改进,采用由彩色SIFT特征生成视觉词汇的方法,实验表明,论文研究的方法,分类效果提高明显。2、采用概率潜在语义分析(PLSA)模型对词汇表进行分析,发现图像中的潜在语义主题。把图像视为一篇由若干“视觉词汇”所组成的文档,把图像中的物体看成该图像文档所包含的潜在主题,利用PLSA模型发现图像中潜在语义主题的概率分布。3、利用K-最近邻(K-nearest Neighbours Classier,KNN)分类算法实现基于概率潜在语义分析的场景分类。实验表明,结合PLSA模型和KNN分类器的图像场景分类系统,可获得比其它场景分类方法更加理想的场景分类效果。