（桂林师范高等专科学校网络与教育技术中心，广西桂林541199）

一、引 言

近几十年来，随着科技水平的发展，人们通过相机、手机以及其他图像获取设备和图像处理设备，每天都可以获取大量的图像数据。伴随着互联网技术的快速发展，为了更加快速、精确地管理图像，减少人工参与的成本，计算机能自动识别图像信息并分门别类进行管理。图像分类技术通过使用特定的算法提取能够描述图像的特征，然后通过特征实现分类。图像分类的实现主要包括特征提取和分类算法。图像特征提取是图像分类的基础工作，选择不同的图像特征进行图像分类，分类效果也会不同。图像特征分为底层特征和高级语义特征，目前底层特征技术日趋成熟。图像的底层图像特征包括颜色特征、形状特征、纹理特征和空间关系特征。可以单独使用一种特征来进行图像分类，也可以考虑多种特征融合来进行分类[1]。本文研究基于多特征融合的分类算法，对于提高分类效果具有重要的现实意义。

图像单一特征仅可以部分描述图像属性，比较片面，不能够完全区分图像，在图像有较大变化（如尺度或方向）的场合分类效果通常较差。因此，应当考虑多种特征融合提高分类准确率。李志欣等人将SIFT特征用稀疏向量表示后与Gist和PHOG特征有机融合，提出了一种多特征的图像分类方法[2]。文献[3]将颜色直方图特征、灰度共生矩阵，以及Hu不变矩特征进行融合，运用Adaboost算法进行分类。……