近年来，随着计算机和互联网技术的快速发展，图像数据的自动分类技术已经成为图像处理领域的热点研究问题之一，并且数据挖掘、模式识别、机器学习和计算机视觉等多个领域的技术在图像数据的自动分类中也得到了成功应用，然而图像分类算法的分类性能和计算效率还远远没有达到用户满意的程度，仍有许多难点问题亟待解决。本文在阐述现有图像分类算法不足的基础上，通过采用张量分析、流形学习、半监督学习和统计学习中的相关理论来实现图像数据的维数降维和分类器的优化设计。针对图像分类问题中存在的高维性、流形性、张量结构和半监督等特性，分别提出了基于张量间隔Fisher分析的图像分类技术、用于图像分类的张量半监督鉴别分析技术、基于张量生物启发式流形的图像分类技术。并且通过实验结果说明了所提算法的优越性，进而为设计新的图像分类系统提供了核心技术支持。