随着网上购物的蓬勃发展,网络上商品图像的数量每天都以几何式的增长速度增加,单纯的文本搜索商品已经满足不了用户的需求。不同于普遍的图像分类,商品图像有着与其它类型的图像不同的特点和属性,因此提供一种简单、高效且具有针对性的商品图像分类技术用以商品数据库的管理和减少用户检索时间具有重要且深远的研究意义。基于目前的特征描述方法对商品图像描述能力不足情况,本文针对商品图像的特点在视觉词包模型特征上提出了针对性的改进算法。视觉词包特征形成过程包含四个步骤:1)局部区域提取;2)特征区域描述;3)特征聚类;4)图像特征描述子形成。本文针对商品图像的特点在视觉词包特征的三个步骤做出改进:（1）针对传统词包特征模型提取的局部区域分布不合理以及数量过少问题,本文提出用小波分解提取的多尺度局部区域提取算法;（2）针对传统词包特征模型在特征区域描述上缺失颜色特征这一问题,提出SURF描述子与颜色矢量角直方图特征的融合特征;（3）针对常用空间表征方法未结合商品图像分布特点的问题,在图像特征描述子形成过程中提出对角同心矩空间表征方法。在以上结合商品图像特点改进视觉词包方法提取的特征,并使用SVM多分类器进行训练及分类。实验采用PI100数据集的10类子数据集,实验结果表明,在三方面改进的共同作用下分类效果达到89.73%,高于其他视觉词包模型。