随着智能手机数据存储与处理能力的增强,用户相册中的照片数量日益庞大,如何更加有效的分类和展示这些零散的图片,成为用户及手机厂家关心的话题。安卓相册的图片分类依据主要是文件夹名称或拍摄日期,受限于屏幕尺寸与操作方式,当图片数量增加时,分类弊端日益明显。论文探讨了手机图片的来源与特点,手机图片的分类现状,并对手机的计算能力进行了分析。简介了图像分类与机器视觉,及其面临的诸多现实挑战。基于图像处理的特征提取应该能较好地描述同类图像的内容相似性。Android平台可以通过有监督以及无监督的图像分类模型来实现图像分类。结合PC端经典的图像分类与机器学习算法与人类由浅入深的事物认识规律,论文采用四种图像分类方式,对手机照片进行更加合理有效的归类,分别是:基于图像元数据、基于图像颜色特征、基于风景图片的全局场景特征、基于图片中的目标检测。首先,依据图片主要来源,通过图片的元数据,建立起图片评价模型,把图片分类到应用缓存、网络下载和相机拍摄三大类。其次,依据风景图片在HSV颜色空间的直方图特征,衡量不同风景图片的颜色相似度。再次,为了对风景照片进行细分,在Android平台提取一种包含场景的图像特征--空间包络,分别通过K-邻近和SVM方式训练出两种风景图片分类模型,评价并分析了分类结果。最后,基于HAAR特征训练出来的目标检测模型实现相册人脸图片检测。此外,为了展示上述四种模型的分类结果,论文在安卓平台实现了一个友好、智能的图库APP。分类结果表明:论文提出的分类机制能够较好地描述同类图片的语义相似性,弥补了现有相册在图像分类方面的诸多不足。