随着Internet技术的快速发展和数码照相机、扫描仪等图像采集设备的普及,图像信息呈现出爆炸式的增长,并在遥感、航天、安全、医疗等领域得到了广泛应用。作为一种直观的信息表达,存储和传播的方式,图像本身蕴含着丰富的语义信息。如何有效的组织和利用图像信息,近年来受到人工智能、机器学习、计算机视觉、多媒体信息处理等领域学者的高度关注。　　 本文针对基于内容的图像分类方法展开了相关研究,涉及图像内容特征的分析与提取,图像内容特征的选择和基于内容的SVM图像分类。主要的研究内容和成果如下:　　 1.分析了颜色直方图、灰度共生矩阵等十六种常用的图像颜色、纹理、形状特征的理论基础,适用范围以及性能特点,实现了针对十六种特征的提取,并通过实验分析了不同图像特征的性能表现和特点。　　 2.面向某一特定图像分类应用背景,在图像训练阶段提出了一种基于图像颜色、纹理、形状特征的逐步寻优的特征选取算法,避免了人为选定图像特征的主观性,也达到降低特征维度的目的。　　 3.在图像分类的测试和应用阶段提出了一种图像特征权重自适应调节的SVM多分类器融合的算法,此改进的算法利用了训练样本空间中的特征分布信息,自适应的生成针对测试样本特征对于基本分类器的权重,更好的描述了测试样本与训练样本间的关系。通过对比实验看到,改进的算法具有更高的分类精度和小样本稳定性。　　 4.在解决了上述关键问题的基础上设计并实现了基于图像特征提取、特征选择、特征训练、基于测试样本特征权重自适应调节的多分类器融合的图像分类原型系统。为进一步的实验和研究提供了一个方便、直观、灵活的测试和展示平台。