影象分類一直是影象處理問題的熱點，近年來基於BoF（bag-of-feature）特徵袋方法倍受關注，特徵袋方法（BoF)是詞袋方法（BoW）一種改進。本文簡要的介紹了基本BoF影象分類的思路和其目前的一些改進方法。 字典學習過程（train a codebook） （1）特徵提取：利用SIFT等區域性描述子（SIFT方法最為常用，OpponentSIFT在各類SIFT改進方式綜合表現最為優秀）提取影象的特徵點，這個過程一般會生成非常多的特徵點 （2）特徵聚類：由於一般提取的特徵點實在太多（每張訓練圖片上都會提取到成千上萬的特徵點），不太適合分析和操作，所以一般會利用K-Means聚類等方法將所以特徵點分成K類，這裡每個類，我們就稱為一個詞（codeword） （3）形成字典：所有的類（詞codeword）就構成字典（codebook） 影象投影（這個過程也叫Feature Pooling） （1）特徵提取：利用SIFT提取測試影象中所有的特徵點 （2）查詢對應詞：就是找每個特徵點對應的詞 （3）構成影象特徵詞表：將字典內每個詞出現頻率構成影象特徵向量（顯然是K維向量） 分類：        現在每張影象我們都可以得到一個K維特徵向量（反映了字典各詞的出現頻率），現在就是傳統的分類問題了，最常用的方法是SVM：） 然而傳統的BoF影象分類問題也存在問題： （1）SIFT區域性描述子能較好的描述影象紋理資訊（描述方向梯度），但是也有可能造成其他方面資訊的丟失，所以一般解決方法是利用多描述子混合的思路。 （2）這種一個特徵點對應於一個詞的方法顯然忽略影象空間上下文（Spatial Context Modeling），這很容易造成詞語義的模糊，所以我們需要構建空間結構，更好的Feature Pooling :)        最為成功的嘗試就是SPM（Spatial Pyramid Matching 空間金字塔匹配），這個方法就是將影象分成多個尺度小塊，這裡影象每個尺度內的小分塊都會得到一個特徵詞表，所以特徵詞表串聯起來就得到整個影象特徵詞表，這樣做好處是保留了影象空間資訊，另外一種思路是在方向梯度空間內操作。       另一種方法是引入片語（phrases），在由詞（low-level）到主題（high-level）中引入中間層（mid-level），比如LLC引入特徵點的位置約束。
       下面這種GPP的方法也很類似，其將特徵點周圍最近的K個特徵點共同組成了一個片語(Phrase），此時整個Feature Pooling過程變為word-phrase-theme
        在BoF影象分類問題上，這方面（Better coding + pooling）的研究是重點，上面關於SPM和LLC，我只是簡要說了一些目的和原理，不過網上有很多關於SPM及稀疏編碼的文章可以參考，特別是這篇http://blog.csdn.net/jwh_bupt/article/details/9837555，轉載也挺多的。 （3）影象中一般都存在同主題無關的內容，會影響分類的結果，改進方法是檢測興趣區域（detection of regions-of-interest(ROI)）並給不同的權重。