场景识别是计算机视觉领域一个极富挑战性的课题,是图像检索、目标识别和图像语义理解等计算机视觉任务的研究基础。网络技术的快速发展和新型智能设备的普及使得场景图像的数量和类别不断增多,场景图像的类内差异性和类间相似性对场景识别精确性的影响也越来越明显,单一特征难以表示出丰富的图像信息,获得令人满意的识别精度。目前亟需为场景图像构建有效的表示,使图像特征更具有判别性。针对上述问题,本文利用深度学习方法对场景识别进行深入研究,主要工作如下:（1）为了更好地表示场景图像中值得关注的有效信息,获得更具有判别性的特征,本文将注意力机制引入场景识别任务中,提出一种用于场景识别的多尺度注意力网络模型,通过多个尺度分支构建兼顾通道与空间的场景图像注意力表示。在模型中使用改进的通道注意力结构,增强值得关注的重点对象信息;针对空间注意力计算过程中的信息丢失问题,提出了基于不同尺度的空间注意力结构,增强值得关注的重点区域位置信息,然后利用多尺度间特征互补得到场景图像的最终表示;并且引入中心损失函数联合监督策略,进一步减少类内差异误判,有效提升特征的判别性。（2）为了进一步克服类间相似性的影响,提出一种基于多级别上下文信息的网络模型,通过上下文特征描述对象间相互位置关系,有效的区分类间对象相似性较高的类别。首先,将场景分割网络迁移到场景识别任务中,初步建模图像的上下文关系。其次,针对对象间相互关系的多向性,提出多方向LSTM模块,从四个方向提取上下文信息特征,并连接到多个中间卷积层,形成多级别特征处理,使提取到的上下文特征既有来自底层的空间布局信息,又有来自高层的抽象语义信息。最后,融合多级别的上下文特征较全面的获得了图像上下文信息。（3）为了丰富场景图像的特征表示,研究及对比分析了多种融合策略,最终将注意力特征和上下文信息融合成场景图像的综合表示,充分发挥特征的互补性,使最终的特征表示既能够关注有效的判别性信息,又能够表征显著对象间的相对位置关系,有效解决了场景识别任务中特征表示不充分的问题,提升了场景识别准确率。最后将本文提出的网络模型和方法分别在Scene15、MIT indoor67和拥有大量复杂场景的SUN397数据集上进行实验,验证了本文算法的有效性,总体精度分别达到95.83%、85.69%和72.65%,实验结果表明,融合注意力和上下文信息的识别方法有效提高了场景识别精度,与其他场景识别算法进行对比也有一定优势。