空间场景是由空间对象以及对象间的各种关系所构成的综合体,它不仅包含较为微观的空间场景如建筑、沙滩等图像,也包含结构更为复杂的宏观场景如大尺度遥感图像。场景分类的目的是通过对图像进行宏观认知和分析,判断其类别归属,其应用领域包括图像检索、机器视觉与人工智能等。本文面向空间场景图像,提出了一种基于扩展词袋模型的场景分类方法,其主要内容包括：(1)引入彩色图像边缘与直线特征提取方法,扩展了词袋模型中的单词类型。在坎尼算子提取边缘的基础上,本文加入了图像的多波段信息,将各波段分量得到的边缘进行融合作为彩色图像的边缘,并在此基础上提取图像的直线特征生成直线词袋,以此扩充描述图像的单词类型。(2)设计了点、线特征融合的词袋分类模型。本文分别提取了图像的SIFT点特征,以及彩色边缘直线的长度、角度、密度特征,构建了点、线词袋,再利用点特征对旋转、仿射等变化的稳定性,以及直线特征在不同场景中密度、角度等特性的差异将两种词袋特征进行融合判别图像的场景类型归属。(3)设计了串联、并联词袋融合方式的空间场景分类方法。本文引入串联、并联的思想融合多种特征,结合K近邻分类器实现场景分类。串联是利用第一种词袋特征的分类结果作为输入,通过第二种词袋特征进行再分类；并联是利用多种词袋特征得到独立结果,而后再将这些结果进行融合完成分类。这两种方法在不同类型的空间场景中效果各异,但总体来说性能优于传统的词袋模型场景分类方法。我们利用扩展词袋模型方法进行了场景分类实验,并将分类结果和传统基于单一特征的词袋模型分类方法进行了比较。实验结果表明,本文提出的扩展词袋模型的方法能够较好的适应于空间场景,其分类效果更优。