随着计算机技术的高速发展,每天都会有大量的图片产生,图像分类作为图像处理中一个热点方向也受到越来越多学者的关注。BOW词袋模型早期是用来处理文本分类的问题,因其具有简单高效的特点,被学者们扩展至图像分类的研究中,并获得了较好的效果。学者们在寻求好的解决办法的同时,发现“本体”不仅有助于提高信息的共享性,还能在进行信息组织时提高准确度。本文尝试将词袋模型与本体的相关知识结合,提出一种新的图像分类方法。本文首先详细介绍了词袋模型和本体的相关理论,然后介绍了图像特征提取的SIFT算法的特点,并使用SIFT算法提取出的图像特征构建视觉词典。接着利用本体来进行图像表达,并用XML语言进行记录。同时设计出SVM的图像分类器,最后对本文提出的基于词袋模型和本体的图像分类方法进行了实验。实验验证分类方法的准确性,实验结果表明分类原型系统的分类性能优于传统词袋分类方法,并能满足用户要求,为实际图像分类系统构建提供一种可行方案。