随着技术的发展，每天都有大量图片上传到互联网。特别是随着智能手机的应用，人们可以很容易地拍摄、编辑和上传图片。场景分类的目标是根据图像的视觉内容为图像赋予一个语义类别（例如：体育场或商场）。由于场景图片的二义性、多样性、光照和尺度等问题，场景分类是一个挑战性的问题。场景分类也是计算机视觉的基本问题，是图像检索、图像内容分析和目标识别等问题的基础。研究本课题研究意义十分重大，它可以帮助用户节省查找有用信息的时间，让搜索引擎功能更智能化，可以为我们节省更多的物力人力，可以使我们的网络更加智能化。　　本文从图像的局部特征提取、视觉字典的生成、特征的编码方法和图像的表示与分类等方面对场景图像分类进行了深入研究：1）在局部特征提取阶段，本文提出用二进制特征作为局部图像特征，大大缩短视觉字典的学习时间和特征编码时间。本文还提出用在ImageNet数据集训练好的卷积神经网络模型抽取隐含层的数据作为图像块特征，避免了设计复杂的特征提取算法。2）本文利用特征编码的方法缩小了底层特征与语义之间的鸿沟，并对比了矢量量化、LLC编码和Fisher向量编码的性能。3）在场景图像的表示与分类阶段，本文采用基于空间金字塔匹配模型来表示图像，充分利用了局部特征的空间信息，提高了图像特征的区分能力，并测试了不同层数、不同块划分方法的空间金字塔的平均分类正确率。最后利用线性 SVM作为分类器，大大缩短了训练和测试的时间。　　本文提出的方法在 Caltech-101数据集上的平均分类正确率是73.14％，相关实验表明，本文提出的场景图像分类算法是行之有效的。