随着数码技术的发展,智能设备的普及,硬件成本的降低,Web的迅速普及,人们可以轻松地将自己拍摄的图像分享到互联网上,如何快速准确地对图像进行分类成为一个亟需解决的问题。目前很多图像分类算法性能的好坏依赖于图像表示,其中直方图类特征表示是最常见的一种。本文针对直方图类特征表示下的图像分类,做出以下工作：第一,针对直方图类特征表示下的距离度量问题,由于直接计算直方图类特征表示下的距离会误导基于距离的分类器训练,本文提出了一种基于预期到达时间的非马氏距离,它隐式考虑了直方图类特征之间的高阶关系；并给出相应的参数优化算法和增量学习设定下的加速版本。最终本文在一系列数据集上验证所提距离度量的有效性。第二,直方图类特征表示下的图像多义性问题更加明显,难以解决,本文介绍了三种常用的多标记学习算法和两种特别为直方图类特征设计的多标记学习算法,并在图像数据集上就性能指标、训练时间、测试时间、模型大小四个方面对它们进行实验比较。第三,基于上文的比较结果,本文关注资源受限情况下直方图类特征表示的图像多标记分类问题,完成了“南大-三星”手机端图像概念分类系统,通过众包的方式收集、标注并筛选得到高质量训练图片,继而挑选多种直方图特征表示以及改进后的多标记分类算法,最终保证了系统的精度、存储开销、响应时间均达到要求,授权用于商业用途。