基于改进SURF特征的视觉词袋模型构建方法，使用添加渐变信息的盒子滤波模板代替高斯滤波，该模板与高斯二阶微分模板更加接近；在SURF特征表达时，减少了时间上的开销，并在保证旋转不变性的同时将SURF描述子降为32维；构建词袋时，使用上述改进SURF算法提取图像库中所有改进SURF特征，采用k-means聚类方法将所有SURF特征聚类成为视觉单词，这样每幅图像表示为各个视觉单词出现频率的高维向量。本方法包含了图像更丰富的渐变信息，并且省略了一次Haar小波计算步骤；与直接使用SURF特征相比，可以很好地解决不同图像提取出的特征数量不统一的问题，并且词袋模型能将多幅图像用一定量的视觉单词表示，节约空间，处理方便，可扩展性强。