数字化出版的迅猛发展需要依托完备的线上销售体系,对于纸质书籍亦或是电子出版物来说,一个好的线上展示、销售平台可以为用户带来便利的同时也能够提升用户体验。目前各大互联网销售平台针对图书销售业务仍然存在很大问题,线上图书的介绍环节中缺乏对图书封面、版权页、图书目录信息以及封底页面的具体信息的展示,图书详情页展示的图书信息和当前在销的商品信息不对应的问题也时有发生,部分手工上传的图片出现图片错位、遮挡、模糊的问题。多数图书封面封底信息展示的工作仍然处于手工作业的方式,严重阻碍了图书的上架过程,不利于企业的发展,极大影响用户体验。解决此类问题需要有处理图像分类的能力,实现将图书图像的封面、封底图像识别出来,并结合图书版权页以及相关章节信息进行很好的整合、展示。本文针对这一分类任务进行深入研究,收集了大量图书封面、封底图片数据集,提出了两套解决方案实现了针对图书封面、封底的分类任务,同时分别推出了相应的改进方案。两套方案分别是基于K近邻算法的图像分类改进方案和基于CNN模型的图像分类改进方案。在KNN算法的应用与改进方案中,我们设计了7套不同K值的实验方案并且引入了边缘检测算法对数据集进行优化,进一步降低了时间复杂度提升了分类速率。在CNN算法的应用与改进方案中,我们构建了9套不同网络结构的CNN模型实现了封面、封底的分类任务,在优化方案中我们引入了数据增强的方式,将数据集扩大为原来的13倍,有效的提升了CNN模型分类的准确性及泛化能力。针对两套解决方案的实践与改进,为实现针对图书封面、封底的分类任务提供了有效理论与实践参考。