近年来,随着对Bag of visual words(Bo VW)模型的不断研究,使得其在图像处理领域得到广泛的应用。由于图像在人们生活工作中发挥着不可或缺的作用,因此如何在庞大的图像数据库中,快速准确地查找到人们所需要的图像信息是至关重要的。论文主要研究基于视觉词袋模型的图像分类方法,针对视觉词袋模型中存在的问题做出了相应的改进。论文研究的主要问题概括为以下三个方面:1.提出一种基于角点和图论的感兴趣区域分割算法,自动确定图像中感兴趣区域。首先对图像进行角点提取,然后对角点构造无向图,依据图论的方法对角点进行筛选,确定感兴趣区域。论文选取Caltech 100数据集中的数据作为实验对象,证明了算法的有效性。2.在改进的词袋模型的基础上,引入模糊隶属度函数对词袋模型进行优化。在图像直方图向量构建过程中,引入不同的模糊隶属度函数,构造图像的模糊直方图向量表示,再结合SVM算法,进而完成对查询图像的分类过程。实验结果表明采用改进后的方法分类得到的图像结果有了明显的提高。3.引入多核并行计算技术,对视觉词袋模型算法进行并行优化,进而提高算法的执行效率。依据视觉词袋模型和多核并行计算的原理对算法进行优化,包括特征提取、特征聚类和图像直方图生成三个部分。实验结果证明了并行多核计算提高了算法的效率和其在图像分类中的实用性。