图像分类算法在计算机视觉领域中具有重要的研究意义，也是近几年的研究热点。图像分类算法让计算机按照语义对图像进行分类或者管理，通过自动化的方式降低了管理图像的成本，广泛应用在大型媒体中心、数据中心。图像分类算法是图像检索的基础，有效的图像分类可以极大地提升图像检索的效率。　　本文分析了近来广泛受到关注的局部约束线性编码图像分类算法，对算法的思想和原理进行了深入的剖析，并对算法的优缺点进行了总结。在此基础上，本文提出了空间约束线性编码算法。空间约束线性编码算法与局部约束线性编码算法相比，在编码的过程中考虑了局部的空间分布信息。通过空间约束线性编码的图像描述子具有更强的表示能力。空间约束线性编码算法在图像变化平坦的区域会退化成局部约束线性编码，而在空间变化剧烈的区域能够有效的表示图像的局部空间信息。该算法的核心思想就是将图像的“局部语义”加入到编码中。同时，空间约束编码采用“热度核”替代原本的“最小二乘解”，有效降低了空间约束编码的时间复杂度。实验表明，在Scene15和Caltech101数据集上，空间约束线性编码算法与局部约束线性编码算法相比，具有更高的准确率和更短的计算时间，达到目前主流分类算法水平。