针对传统视觉词袋（BagOfVisualWords，BOVW）模型缺少空间信息，且不能充分表达图像所属类别共有特征的问题，提出一种基于最大频繁项集的视觉词袋表示方法。该方法在排除孤立特征点的基础上，引入环形区域划分的思想，嵌入更多的空间信息。通过对不同环的视觉单词进行频繁项挖掘得到新的视觉单词表示，能有效提高同类别图像视觉单词的相似程度，而使不同类别视觉单词的差异更为显著。通过在图像数据集COREL及Caltech-256上进行分类实验，验证了该方法的有效性和可行性。