而场景分类长期作为图像理解领域的重要研究课题，一直是计算机视觉和模式识别领域的重要课题，并且近年来的关注度年年走高。比如在给定的一组包含多个目标类别（如山，海，公路等）的场景图像，场景分类的目标是通过图像中各个类别图像的特征不同，按照给定的相似性要求对其所给图像给出正确的分类，这对于包含大量内容的图像来说并不容易，其目的是将给定的数据集合按照自己确定的某个相似性测度分成若干个类，使得每个类中的数据点与数据点之间的相似程度达到最大，而类与类之间的数据点的相异程度也达到最大。谱聚类理论的提出正是基于这种想法，本文采取了先提取mCENTRIST特征结果，然后再将其结合谱聚类理论知识来对图像进行分类，选mCENTRIST特征的原因是这种多通道综合在一起的特征与其他单一的特征相比具有其独到的优势，能够更好的表现出图像整体的内容，同时比多个单一特征联合的方式描述更简明，占据内存更小，速度更快，更适合与谱聚类理论相结合，发挥出谱聚类理论在场景分类方面的优势。
    场景分类问题的解决具有重要意义，其发展有助于推动机器视觉中其他研究的发展，属于基石一般的存在，对目标的识别，对图像的检索，还有对视频中包含信息的检索、以及机器人研究等领域都具有重大贡献。除此之外在生活中也非常具有实际意义，如家庭相册的组建，盲人手持设备中的导盲设备对不同场景下的信息处理，摄影师等个人作品分类等与我们生活息息相关的产品的使用，而谱聚类理论完全能够满足多种应用条件下的需求。因此，利用谱聚类理论来解决场景分类问题再合适不过，本课题非常具有研究价值。
1.2 国内外研究现状
　　1.3论文主要工作
经过初期的学习对谱聚类理论有了一定的了解之后，我查阅了场景分类方面的书籍，结合谱聚类算法的特点和其能够在任意样本空间中得到最优解的强大功能，我确定选择mCENTRIST特征来完成场景分类任务。主要工作是在提取所有图片的mCENTRIST特征后，利用谱聚类算法对于图像库中图片进行分类。在文章的开篇部分阐述了本次研究的背景和意义，之后的部分介绍了本次研究中用到的mCENTRIST特征，该特征的特点以及提取方法，还有谱聚类理论中涉及到的基础理论知识，及其发展现状，体现出了谱聚类理论相对于普通聚类算法的可取之处，并提出了自己的一些想法。将谱聚类理论应用到处理场景的分类问题中来，结合mCENTRIST特征和谱聚类算法两者的优势，完成最终的场景分类问题。
1.4论文结构
   论文总共分五个部分对研究结果进行呈现，各章节的组织结构如下所述：
   第一章 绪论。对谱聚类理论在国内外的研究背景以及对其研究的意义展开说明，另外对于谱聚类理论在当今世界的研究和使用的情况，最后对本次毕设的研究所涉及到的知识点给出了一个概要的介绍。
   第二章  结合mCENTRIST特征展开了与其相关理论的讨论，还有其提取方法   第三章  针对谱聚类理论阐述了它的思想来源，相对于普通的聚类方法而言优势所在，及其实现方式。
   第四章  讨论了基于谱聚类理论的场景分类研究具体实现，是本次毕业设计的主题，展现了研究的最终结论。
   第五章 总结和展望。这一章作为全篇的终结，系统地总结和概括了本次毕设中的研究成果，同时也对研究过程中遇到的问题以及问题最终的解决方法进行了说明。 基于谱聚类理论的场景分类研究(3):http://www.youerw.com/jisuanji/lunwen_21332.html