图像场景可能由多个对象(比如：草地，马路，建筑物)所组成。给定一组图像，我们的目标是利用无监督方法发现每一幅图像所包含的对象，然后根据这些对象的分布实现场景的分类。潜在语义分析是由统计文本分析发展而来的产生式模型，它能够发现文档所包含的潜在主题。 本文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，我们选择单层SIFT特征作为PLSA的词汇表。然后在此基础上进行改进，实现多层SIFT特征，多种特征融合作为词汇表。采用概率潜在语义分析(PLSA)对词汇表进行分析，实现图像中潜在对象的发现；图像被比作成一篇由若干“视觉词包”所组成的文档，图像中的对象则被看成该图像文档所包含的潜在主题。这样，利用PLSA就可以发现图像中潜在对象的概率分布。基于对象概率分布的场景分类则由K-最近邻分类器来完成的。实验表明，结合PLSA和KNN的分类方法提出的基于多层SIFT特征和多种特征融合的PLSA模型可获得比单层SIFT特征更加理想的场景分类效果。