随着科学技术和互联网的飞速发展，如今网上购物已经逐渐作为一种流行的消费方式，催生了大量的网上购物网站，例如：亚马逊，淘宝，凡客，好乐买等等。商品图片也以指数趋势增长，亟需一种符合购物习惯的属性标注系统，可以帮助商家自动对商品图片进行归类，在减少人力工作的同时，也可以帮助用户进行搜索。运用商品的自身的视觉属性来对商品进行分类，相较于前几年的基于图像内容的分类与检索，是对商品本身更深层次的理解后进行分类的工作，相比起来，有着更好的效果，同时也是近几年来研究的热点。经过对国内外相关论文的研读，大型网上购物网站的调研，本文针对女鞋商品属性的分类，对商品的特征描述，图像的分类框架，和商品属性的分类进行了研究。　　首先，本文对特征算子进行了探讨，对当今主流的算子的优缺点都进行了讨论，对LBP，HOG，SIFT算子的原理和提取方法都进行了阐述，还介绍了SIFT算子优化后的版本Dense SIFT，讨论了他们作为商品描述子的可行性，并对不同算子的描述女鞋图片的能力运用实验得到了证实。　　之后，本文对比了当今的图片分类与检索的几个基本框架，分析了ScSPM，LLC与SPM结合的情况，讨论了特征映射中LLC，矢量量化，稀疏表示的三种方法的原理与优缺点。　　最后，本文经过对各大购物网站的女鞋商品认真的调研，确定了对女鞋商品的属性，建立了一个属性分类标注齐全，符合购物习惯，图片规范标准的女鞋商品数据库。并针对每个属性进行了分类器的训练，运用不同的特征描述子结合SPM与LLC进行了实验，并且得到了理想的属性分类效果。