视觉分类是一种根据自然条件下拍摄场景图像内容进行分类的技术，因其在计算机视觉领域的广泛应用，例如：图像检索、智能识别，自动导航，而得到越来越多的关注，并已成为计算机领域的热点问题。但是因为自然条件下拍摄的场景图像的背景信息、光照条件、物体遮挡等条件千变万化，所以视觉分类仍然是具有非常大的挑战性的课题。　　受到文本分类问题的启发，视觉词袋模型被提出并应用到视觉分类中。视觉词袋模型在视觉分类问题中表现出非常出众的灵活性和高准确性，因此它是目前在视觉分类问题中广受欢迎的模型。视觉词袋模型最核心的内容之一是从训练图像中得到一个视觉词典，并用视觉词典来表示场景图像。本文着重研究了如何构建更加灵活、准确的词典，并把它应用到场景分析之中。本文所做的主要工作如下：　　首先，本文提出了一种新的词典构建方式：组合视觉词典。传统的视觉词典是首先对所有类别的图像提取特征，然后用所有类别的特征聚类出统一的视觉词典。这种方法在聚类过程中具有难以承受的时间和空间算法复杂度。组合视觉词典是首先对每一个类别提出的特征进行聚类，可以得到一个类别的视觉词典，本文称之为类别视觉词典，然后把所有类别的类别视觉词典组合起来组成统一的视觉词典，然后用统一的视觉词典表示每一幅图像，进而进行分类。与传统的视觉词典构建方法比较起来，组合视觉词典显著降低了时间和空间复杂度，并且具有更高的扩展性和准确性。　　然后，在传统的视觉词典的基础上，采用了Kullback-Leibler差异(Kullback-LeiblerDivergence)来衡量任意两个视觉词典的语义关系大小，然后将逐次将语义关系最大的视觉单词对合并为新的视觉单词，并借此来优化词典。实验证明借此优化后的SIFT视觉词典和组合视觉词典在一定的词典容量时可以取得更高的视觉分类正确率。　　综上所述，本文在视觉词袋模型的基础上提出了两种改进的视觉词典构建方法，并且把它们应用到场景分析之中，实验表明，本文提出的方法在一些方面比传统方法有更佳的表现，体现了本文工作的研究意义和实用价值。