1. 研究目的与意义（文献综述）

图像作为一种重要的视觉信息载体，具有内容丰富、形象直观等特点，是一种被广泛使用的多媒体形式。随着数字技术的发展和数字设备的应用，图像数量成爆发式的增长，迫切需要通过计算机提取人们能够理解的图像语义信息，从而方便用户对各种数字图像进行自动的管理、组织和分析。为了有效地管理和检索网络及个人电脑上的图像，人们急需有效的图像分类技术。

图像分类作为图像理解的内容之一，在实际生活中有非常多的需要。然而，传统的人工标注方法已经无法在如此海量的图像数据下快速的完成分类，更好的方式是运用计算机对图像数据进行智能自动分析和处理，所以图像分类的处理也就成了计算机视觉中一项重要的技术。数字图像中包含有许多信息，例如场景信息、入物信息、物体信息等，图像数据的分类就是对图像内容分析、理解、处理的一项基本技术。

根据分类定义和规则，图像分类主要可以划分为三种：场景分类、特征分类、对象分类。本文主要研究的是场景分类，即在不同的场景下对图像按照指定的类型分类。场景图像分类的基本过程为：先提取和描述图像中的特征，用机器学习的方式对这些特征进行训练，建立训练模型，最后使用训练模型对待分类图像进行分类。

2. 研究的基本内容与方案

场景分类根据图像拍摄所处的物理环境类别来对图像进行分类，其类别包括：自然，人造，室内，室外等，更具体一点还可以分为夜晚，白天，城市，建筑物等。目前，对场景图像分类应用最广的图像特征是sift特征，最受关注的模型是bow模型，以及用于分类的辨别式分类器—svm，最后给出图像分类的评测标准。本文的研究工作就是在此基础上展开的。

（1） 基于bow模型的场景图像分类方法

基于bow模型的场景图像分类方法，分类过程可以分为学习和识别两部分，样本分为训练样本（trainingdata）和测试样本（testingdata）。学习过程应用训练样本完成，学习结束生成分类器；测试过程对测试图像用分类器完成识别。

3. 研究计划与安排

第1-4周：查阅相关中、英文文献资料，明确研究内容。确定设计方案，完成开题报告，完成不少于2万字符的英文翻译任务；

第5-6周：完成论文开题工作。

第7-10周：完成场景图像自动分类方法的研究与算法实现与场景图像自动分类设计方法的仿真，并撰写部分论文初稿；

4. 参考文献（12篇以上）

[1]谢可. 场景图像分类的若干问题研究[d].东南大学,2016.

[2] 李群. 场景图像不变特征提取及分类方法的研究[d].北京邮电大学,2013.

[3]苑露. 用于场景图像分类的特征提取算法优化与实现[d].北京邮电大学,2015.