杨 浩，李灵巧 ，，杨辉华 ，，刘振丙 ，潘细朋

1.桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004

2.北京邮电大学 自动化学院，北京 100876

1 引言

随着互联网技术的快速发展，城市管理正逐步走向数字化、网络化、智能化[1]，基于互联网技术的城市管理技术也越来越成熟[2]，如在智慧城市管理系统[3]中，普通市民可利用智能手机APP一键上报城市管理中存在的问题案件（如车辆乱停乱放、市容环境问题等）。同时，在上报这种城管案件时用户需要上传至少一张该案件对应的现场图片、现场位置等信息，城市管理工作人员在看到市民上报的问题案件后即可立即根据上报案件的图片信息和位置信息等前往案发地点进行相应的处理，极大地提高了城市管理的工作效率[4]。然而，随着用户量的不断增加，每天上报的案件数也在增加，若仅用人工来挑选不同类别的案件则费时费力，效率极低。因此迫切需要一种能够将城管案件快速分类的方法来协助城市管理工作，让城市管理更加智能化。

基于案件图像中的信息，可利用图像分类的方法将案件自动分类。目前，图像分类的方法已经很多，如Vapnik等人提出的支持向量机（Support Vector Machines，SVM）分类方法，Lu等人使用的拉格朗日支持向量机LSVM[5]方法等，然而使用这些方法前一般需要提取图像的HOG特征等纹理特征，且对图像特征提取的质量会对最终的分类结果产生直接的影响。比较常用的图像特征提取的方法有Gabor小波图像纹理特征提取[6]、高斯马尔柯夫随机场（GMRF）遥感图像特征提取[7]、SIFT提取图像特征[8]。……