图像场景识别是计算机视觉领域中的一项基础性研究,场景富含丰富的语义信息,能够为目标检测、动作识别、自动驾驶等其他视觉任务提供支持,在导航、无人机视觉等领域也有广泛的应用。由于场景内容的多样性,传统的手工特征难以全面表达场景图像的隐含信息。而近年来,深度学习在计算机视觉领域取得了显著的成功,因此本文采用能够自动学习提取图像特征的深度学习方法对图像场景识别展开研究,主要内容包括:本文对不同的图像分类任务进行对比研究,主要分析物体分类和场景识别所用的数据集差异。首先,从两种数据集中各取图像样本进行比较,发现两种数据集中物体的数量和类别存在显著差异;然后,通过对图像中物体的数量大小进行统计发现两种数据集上还存在物体的尺度变化差异。最后,采用反卷积计算类激活图(class activation diagram)的方法,探索这些差异对场景识别任务的影响。针对场景识别任务与物体分类任务存在的差异,本文提出一种基于卷积神经网络多级别特征融合的场景识别方法,目的是减小场景中物体的数量尺度变化对卷积神经网络训练学习的影响,提高网络的精度和泛化性能。该方法的主要工作是设计不同级别的特征,分别对应图像中局部细节和全局的场景描述,并改进AlexNet网络模型,使其能够提取设计的多级别特征。最后,对不同级别的特征进行融合,在相关数据集上进行实验验证。本文还提出一种基于Inception结构优化的场景识别方法,该方法在提取多级别特征的基础上,采用全局均值池化替代了全连接层,减少了网络参数,提高了网络的训练速度。此外,本文对不同场景类别下的特征融合方式展开研究,利用F-score和混淆矩阵衡量网络对于不同类别场景的分类效果,最后提出一种基于Inception结构的分类置信网络,从而提高多类别场景识别的准确性。在大型场景数据集MIT Indoor67、SUN397、Places365上,对本文提出的两种方法进行相关的实验验证,实验结果表明本文提出的方法能有效提高场景识别的精度。