在众多计算机视觉任务解决方法和工具中,卷积神经网络（CNN,Convolutional Neural Network）被广泛运用到图像分类、目标识别等领域,其作为图像特征提取器可以取得很好的处理效果。但由于CNN需要大量的图像来支持训练,且一般CNN使用池化层对特征进行降维操作,造成信息损失,影响网络表达能力。胶囊网络（Caps Net）是近年来计算机视觉领域颇具革命性的神经网络模型,与CNN不同,Caps Net使用向量输入输出保留图像空间信息,使用动态路由机制使模型具备更好的特征拟合能力。但在某些特定场景及具体应用中,仍需要对Caps Net结构进行优化以取得更好的效果。本文首先对场景识别研究的背景和重要意义进行了介绍,并且对国内外场景识别中所使用的主要方法进行深入了解。在介绍胶囊网络原理的基础上,提出了适用于场景识别任务的Scene Caps模型。以胶囊网络为基础,增加了卷积层＿2,搭建了五层的Scene Caps网络模型,增加了模型的深度,并且将胶囊中的维度进行了扩维。实验分析了卷积层＿2学习率和卷积核大小的不同对识别率和训练时间的影响,在Scene15数据集进行的实验结果显示,Scene Caps模型的最高识别率达到94.82%,用时为37.2h,比胶囊网络模型的识别率提高了0.28%,训练时间减少了11.8%;分析了模型参数和训练数据量的变化对实验结果的影响,实验结果表明Scene Caps模型使用50%的训练数据量就能达到胶囊网络75%数据量的识别率;与常用的场景识别方法进行了对比,实验结果表明Scene Caps模型对场景图像的识别效果更好;最后在place2部分数据集上进行了实验,实验结果验证了模型的有效性。提出了一种基于1*1卷积核和批量归一化的优化方法。将1*1卷积核加入卷积层＿2,降低模型的卷积层参数数量,增加模型的非线性特性。在Scene15数据集上进行的实验表明,模型的识别率最高为94.83%,训练时间为32.2h,比未加入1*1卷积核的识别率提高了0.01%,训练时间减少了13.4%。为了使网络输入分布保持一致,再将批量归一化层分别应用在卷积层1、卷积层＿2、Primary Caps层前,然后再做为激活函数的输入。通过对Scene Caps模型的优化,识别率由优化前最高的94.82%提升为优化后最高的95.03%,训练时间由37.2h的降低为20.1h。实验结果验证了优化方法的有效性。本文主要的创新点在于首次提出基于Scene Caps模型的场景识别研究方法和基于1*1卷积核和批量归一化的优化方法,有效提高了场景图像识别精度,并降低了模型训练时间。