崔 崟，段 菲，章毓晋

(1.北京航空航天大学电子信息工程学院，北京100191;2.清华大学电子工程系，北京100084)

对图像的理解实际上是要实现对场景的理解。对场景进行分类是实现场景理解的重要手段。具体说来，场景分类要根据视觉感知组织原理，确定出图像中存在的各种特定区域及其特性，并在此基础上给出场景的概念性解释［1］。实际中，场景分类常看作是利用计算机自动地将图像标记为不同语义场景类别的过程。场景分类在基于内容的图像检索等领域得到广泛重视和应用。

场景中感兴趣的部分常称为前景或目标，对场景的分类与对目标的识别有密切的联系。对目标的充分认识肯定对场景的分类有帮助，但场景分类与目标识别又不同，通常需要在尚未获得对目标的完全认识前对其进行分类。另一方面，分类的场景对目标的识别具有一定的指导作用。

从场景分类的方法看，最初的思路常将其建立在对目标识别的基础上。但一方面，由于目标识别本身就是一个困难的问题，另一方面，参照人类的视觉认知过程，仅初步的目标识别已可满足对场景的分类要求(场景分类并不一定完全基于对目标的完全认识)，所以近年许多研究绕过目标识别直接进行场景分类。

基于图像的场景分类要借助从图像中提取的低层特征实现对高层语义(场景信息)的区分。为克服低层特征和高层语义之间的“语义鸿沟”，近年来有不少方法致力于构建中间语义层以在低层特征和高层语义间搭桥。……