胡湘萍，代江华

(1.河南经贸职业学院计算机工程学院，河南 郑州 450018；2.长江大学计算机科学学院，湖北 荆州 434023)

图像分类是计算机视觉与模式识别领域的重要研究课题之一，其研究目标是为了给一幅图像赋予某一类标签。随着电子产品的日新月异及普及，获取图像已经变得越来越容易，大量的图像需要有效地分类与管理，因而，图像分类被应用到不同的领域，如视频监控、网络图像分析、生物信息学等。虽然经历了十几年的发展，图像分类仍然面临着以下几个方面的困难[1]:(1)由于光照变化、拍摄角度不同、遮挡等因素，同一类别的物体往往在图像上的表现形式大不相同；(2)即使是同一类别的物体，其外观、形态等表现形式也存在很大的差异；(3)在很多情况下，需要考虑图像中不同物体之间的上下文关系或者物体与背景之间的依存关系，缓解单个物体时对赋予类别的不确定程度。

基于词袋(Bag-of-Words，BoW)模型(又被称为特征袋(Bag-of-Features，BoF)模型)的图像表示方法是图像分类研究中应用最广泛同时也是最有效的体系框架之一[2]。文献[3]将词袋模型划分为五个步骤:(1)划分图像块。该过程以整个图像作为输入，其输出为图像块，即将整幅图像划分为大小相等的小图像块，以用于后续处理。在对图像划分的过程中可以采用密集采样方式或者稀疏采样方式，两种不同的采样方式对分类准确度和计算代价都有一定的影响。一般而言，密集的采样方式有助于提高图像分类准确度，但需要更多的计算资源。……