随着计算机视觉技术的飞速发展,对图像理解技术的要求也越来越高;场景分类作为图像理解方向的一个分支,具有十分重要的研究意义。本文针对图像场景分类进行相关研究,旨在于通过对图像形成更加有效的图像描述方式,进而训练出更具判别力的场景分类器,以提高图像场景分类的识别率。首先,建立了图像多尺度描述的空间网格分类模型。在空间金字塔模型的基础上增加了尺度因素,将同一尺度的三层空间金字塔网格转化为三个不同尺度的空间网格;提出了一种改进的K-means算法,在大小不同的两个数据集上进行了合理性评价,不仅有效地避免局部最优,还能够根据数据的结构特征自动选择合适的聚类中心数目;实验证明多尺度图像描述方式在分类中取得了更好的效果。其次,融合场景图像局部特征与全局特征,根据不同特征描述符之间的差异性和互补性对特征进行有效融合;对基于特征描述、基于低层特征和基于空间金字塔这三种不同的融合方式进行分析对比,并在两种不同局部特征的基础上增加全局特征,形成了更有效的图像中层描述。最后,提出了空间加强网格模型,在网格划分的参数上进行了先验知识干预,对于语义丰富的区域进行空间加强,使得图像描述更加侧重于区别力强的语义区域,进而形成更加有效的图像描述;使用低层特征和高层语义特征对模型进行分类测试,并与一般的空间网格进行比较,验证了该算法的有效性。