随着互联网不断进步和发展,随着数字技术的巨大突破,每天都会有大量的图像信息资源充斥于互联网上。越来越丰富的图像资源让用户很难在浩瀚的图像数据中找出他们真正想要的图像信息。如何实现高效、快捷的图像组织和检索成为很有价值的研究课题。近年来,通过图像分类来提取图像所表达的语义信息已成为备受关注的热点研究问题。传统的基于人工标注的图像分类技术,因为其效率的低下和主观性差异等缺点,已经不能够满足人类需求。然而,图像有着丰富的语义信息,导致图像底层的特征和人类对图像的理解之间存在较大差异,出现“语义鸿沟”的问题。因此,基于多特征融合的图像分类技术应运而生。本文围绕多模式关联规则背景下的图像分类研究这一主题,主要针对图像特征提取、频繁模式挖掘、多特征融合和分类器设计等关键问题开展研究,提出了基于多模式关联规则的图像分类方法。和关联规则息息相关的数据挖掘技术能够从海量的图像数据中挖掘出隐藏在图像背后不为人知的有用知识和模式。要得到多模式关联规则,首先要对图像特征进行提取,提取出需要的图像特征构建图像事务数据库,然后利用数据挖掘的方法对其进行关联模式的挖掘,将得到的图像高层频繁模式信息和底层视觉特征频繁模式进行融合,形成多特征、多模式的关联规则用于表达图像的内容信息,结合多分类的图像分类器,对输入的图像样本集进行图像分类。本文对所提出的分类方法进行实验,验证了所提出的基于多模式关联规则的图像分类技术具有较高的分类精度,实验结果表明所提出的分类方法是有效可行的。