随着计算机网络的发展,图片的数量呈现指数级的增长,如何处理这些海量的图片成为了新时期的重要挑战。而且,图片具有尺寸不统一,容易受到光影等环境影响等特点,给图片的特征提取和分类带来了很大的挑战,如何提高图片的分类性能以挖掘出图片包含的信息,成为最近研究的热点。本文提出一种基于集成学习模型的图片特征提取与分类的算法,选取卷积神经网络,尺度不变特征提取和方向梯度直方图三种图片特征提取技术,利用集成学习模型把三种方法结合在一起,以提高图片分类的准确度,并且在卷积神经网络上引入了迁移学习的思想,有效的解决了训练样本较少所带来的分类不准确的问题。最后,为了验证所提算法的有效性,利用实验室搜集的城市空气质量实景图,并根据城市当天的空气质量指数(Air Quality Index,简称AQI)等级对图片进行人工分类,在此图片数据集上验证所提算法分类的准确度,仿真结果表明所提集成算法在图片分类性能上比单独分类算法优越。