在传统的基于视觉单词袋（BoVW）模型的对象分类方法中，视觉单词的同义和歧义问题始终存在。 此外，嘈杂的视觉单词，即所谓的“视觉停用词”将降低视觉词典的语义分辨率。 有鉴于此，提出了一种基于PLSA和卡方模型的视觉分类方法。 首先，利用概率潜在语义分析（PLSA）分析视觉单词的语义共现概率，推断图像中潜在的语义主题，并得到单词引起的潜在主题分布。 其次，采用KL散度度量视觉词之间的语义距离，可以得到语义相关的同义词。 然后，结合自适应软分配策略，实现SIFT特征与同义词之间的软映射。 最后，引入