‏روش های‎ دسته بندی تصاویر مبتنی بر کیسه ای از لغات‏، در سال های اخیر بسیار مورد توجه قرار گرفته اند. این روش ها توانسته اند در مجموعه داده های مختلف به دقت های مناسبی دست یابند. این سیستم از چهار مرحله ی اصلی تشکیل شده اند که عبارتند از: استخراج ویژگی های اولیه‏، یادگیری ویژگی ها‏، رای گیری و دسته بندی. مهم ترین مرحله در این سیستم‏ ها‏، مرحله ی یادگیری ویژگی است‏، که در آن ویژگی های اولیه به صورت مجموعه ای از واژه های تصویری نمایش داده می شوند. به همین علت‏، در سال های اخیر روش های متعددی برای بهبود این مرحله ارائه شده اند. یکی از مواردی که در این روش ها بدان توجه کافی نشده است‏، ارتباط بین واژه های تصویری است.