信息技术的不断进步和网络技术的蓬勃发展，使数字图像作为重要的信息载体成为互联网信息中很重要的组成部分，图像自动分类可以有效地提高海量图像数据的管理效率降低管理难度，成为很多领域的研究热点，而在网络环境下图像分类则具有更加广阔的研究价值和应用前景。然而传统的图像分类方法在提取图像特征时没有充分考虑人眼的视觉特性，虽然可以实现基本的图像分类，但往往无法达到较高的分类准确率，使其在实际应用中受到一定的制约。因此，本文将人眼的视觉选择性引入到图像的特征提取中，以突出图像中人眼最为关注的区域特征，而弱化图像背景等与分类相关性差的部分特征，使提取出的图像特征更加符合人类视觉的主观感受，以达到更好的分类效果。　　主要根据Itti视觉注意模型原理，提取图像的亮度，颜色及方向三类初级视觉特征，并将三类特征的多尺度高斯金字塔利用中心周边差及多尺度融合得到基于视觉注意机制的三类显著性度量图；而由于Itti模型在模拟人类视觉的过程中没有考虑到人眼视觉系统对外界事物边缘和轮廓的注意敏感性，因此本文额外引入图像的边缘特征，通过视觉尺度变换得到其视觉显著图。最后利用分块平均法提取出四类特征向量并采用SVM分类器进行图像分类实验。　　实验验证了基于视觉注意的特征提取在图像分类应用中的有效性(分类准确率达到97％以上)，并验证了在Itti视觉注意模型提出的亮度、颜色和方向特征基础上引入边缘特征得到的特征向量用于图像分类可以有效的提高图像分类准确率。此外，设计实现了一个基于本文方法的WEB平台下的小型图像分类管理系统，使其具有了更加广泛的应用空间。