随着互联网的快速发展,大量的社会化媒体数据,如图像、视频、博客等内容充斥着网络,同时,一些流行的社交网站,图片视频的上传与分享网站开始大量的涌现出来。如何有效地管理组织这些海量的数据,尤其是图像数据,可以使得用户很方便地快速准确地获得所需的资源,就变得越发的重要。在此背景下,图像的分类以及图像的内容识别成为了计算机视觉领域的一个研究热点,得到越来越多学者的重视。由于传统的基于图像词袋表示模型进行图像分类的方法,一方面未能利用社会化媒体丰富的上下文信息,另一方面其是直接获取全部图像的局部特征,未能准确表示出图像中的主要区域或对象的局部特征,其表达的准确性会受图像的不相关区域的影响。本文针对以上问题提出了一种基于社会化图像的一种准确的图像分类方法。本文首先提出了一种新的基于图像主要区域提取(ROI)及图像特征点显著度的图像分类算法,其不但可以有效地表示图像,更大大地减少了图像局部特征提取中的特征点数量,可以有效地对图像分类。基于此方法,本文又提出了一种全新的基于社会化媒体图像的图像分类方法。此方法在上述方法的基础上,结合了金字塔匹配原理,用来提高了图像表示精度及分类的准确率。实验证明本文方法较传统的基于词袋模型的图像分类方法的准确率有了很大的提高。此外,根据本文高效的图像分类方法,本文提出了基于社会化媒体图像的用户图像标签推荐方法。