这些年来,人工智能一直是学者们研究的一个热点,而计算机视觉是人工智能里相当重要的一部分,它是指把图像或视频作为输入,通过计算机的处理将它们转换成数字信号以便进一步的深入研究。计算机视觉可以被应用于很多的领域中,比如人脸的识别、监控录像的分析、图片的识别分析、辅助自动驾驶、三维图像等等,几乎充斥了我们生活的各方各面。图像分类作为计算机视觉中的一部分,自然也有其研究的必要性,且会对计算机视觉的其他领域产生一定的影响。系统为研究图像分类的准确性,结合了流形排序,显著性检测和卷积神经网络,主要使用python语言和tensorflow、opencv等深度学习库进行了开发。首先对系统进行了需求分析,然后按照系统的功能需求给出了用例图,将整个系统分为了数据层、逻辑层、界面层三个层次,逻辑层又分为数据采集、显著性检测、神经网络分类和分类显示几个模块,数据采集又包括了本地图片输入,相机拍摄输入和文件夹输入三个方式,按照每个模块各自地功能对系统进行了详细的设计。通过在MSRA、CIFAR-100等数据集上进行训练选定最合适的参数值实现了核心算法,最终实现了整个系统。用户可以从本地相册读取图片,或者使用摄像头拍摄照片,也可以输入一个文件夹,然后点击分类按钮对图片进行分类,系统会把图片和类别以及概率展示给用户,用户可以点击保存将结果保存在图片相应类别的文件夹中。经测试,该系统的功能很好的满足了需求,并且在运行速度、光照、形状等非功能性方面均具有良好的适应性。