随着信息技术的快速发展、信息高速公路的建设和互联网技术的推广应用，人们正快步走近信息化社会。在信息化社会中，网络为用户提供了大量的可用资源，如文本、图像、视频、音频等。互联网资源也成为教育资源库建设的重要来源。但是互联网上的信息种类繁多，排列错综复杂，这就给相应的信息检索带来一定的困难。 近几年来，基于内容的图像分类检索技术有了长足的发展，主要是基于低层次视觉特征的图像检索，比较成功的例子有美国IBM公司的QBIC系统等。在基于内容的多媒体信息分类检索技术研究中，基于理解的文本分类检索已经有比较好的研究成果，但基于视觉特征和语义特征的图像、音视频分类检索尚处于研究的初始阶段。目前，在图像分类方面，还没有比较成熟的算法能够对所有的图像类型都进行有效的分类。因此研究图像分类的有效算法对于图像检索技术发展具有十分重要的意义。本文即针对WWW图像分类方法进行了研究。 本文将WWW图像按功能分为图标类图像和图片类图像两大类。图标类图像一般尺寸都较小，它的功能在于给使用者一个简单提示或标识。而图片类图像一般为包括具体内容的图像，比如山水、风光、人物、绘画等。图片类图像按内容又可继续分为照片类和图画类。照片类图片可以继续细分为人造景物类图片和自然景物类图片，图画类图片可分为绘画类和图表类。对不同的图像类型分析其特征，从图像中提取相应的参量，利用参量设计算法对图像进行分类。在图片类图像继续分类中，采用了颜色数参量和相对颜色直方图参量结合使用的算法。本文还对Hough直线检测方法进行了改进，并将其作为照片类和图画类图像分类的重要参量。 另外，本文对纹理图像分类也进行了一定的研究。首先利用霍夫变换直线检测方法识别比较简单规则的条纹状、网格状纹理。对于较复杂的纹理，将神经网络引入到纹理图像分类中，利用Gabor滤波器提取纹理特征参数并结合Tamura纹理特征参量作为图像的分类参量，利用神经网络的自适应、联想记忆和非线性转换能力处理提取的参量数据，实现对纹理图像的分类。 整个试验平台是在Windows 2000操作系统下，以Visual C++6.0开发的。以Acess作为图像特征数据库进行分类验证。实验结果表明，本文提出的分类算法具有良好的可行性，实验的正确率较高。