伴随着图像处理技术、多媒体技术的迅速发展和日常生活的需要，时时刻刻都会产生大量的图像，同时随着计算机网络逐渐普及，图像的传播速度也在不断提高，而且图像在诸多领域都有重要的科研应用价值。面对如此庞大的图像信息资源，如何对之进行有效的管理是目前面临的首要问题，图像分类技术是解决该问题的重要途径。　　本文围绕图像分类技术展开研究，重点分析了图像分类涉及到的关键技术，研究了图像底层特征和感兴趣区域对图像分类的影响。本文的创新点和主要工作安排如下：　　1.在分析图像分类研究现状及存在问题的基础上，研究了特征提取、分类算法等图像分类关键技术。提出一种基于特征加权和支持向量机进行图像分类的算法，该算法充分考虑了与分类强相关和弱相关的图像底层特征对图像分类的影响。　　2.在传统的基于图像全局特征的图像分类框架之上，针对图像中目标所在的位置以及人类的视觉心理特征，提出在感兴趣区域的基础上结合特征加权和支持向量机的图像分类方法。实验结果表明，在有效提取图像感兴趣区域的前提下，该方法可提高图像分类的准确度。　　3.分析了不同底层特征及特征融合对图像分类的影响，并在提取感兴趣区域的前提下引入形状特征进行图像分类。实验结果表明，融合多种图像特征的图像分类效果优于基于单一特征的图像分类。