随着网络技术的发展，基于内容的图像检索已经成为图像处理领域一个研究热点。但由于图像理解技术发展有限，图像的视觉底层特征与高层语义之间存在鸿沟，使基于内容的图像检索结果不能满足用户的需求。为了克服这个困难，在图像检索中引入了人机交互的相关反馈技术，有效的提高了系统的检索性能。论文首先对相关反馈技术的发展现状以及特点进行了综述，然后在相关反馈技术所涉及的查询向量修改，权值矩阵更新以及长期学习策略上进行了深入的研究。论文取得的创新成果如下：1.从非参数估计的角度出发，利用核密度估计理论，把经核密度估计得到的样本分布的峰值作为更新后的查询向量，并引入均值漂移的优化方法，通过迭代获得最优的查询向量。 2.对于当前的反馈，通过分析所有相关图像与非相关图像特征各维的分布情况，动态更新不同特征之间权重以及每个特征各维之间的权重来捕捉用户的查询意图。 3.从长期学习的策略出发，建立了一个有记忆性的语义树来实时记录用户的反馈检索情况，有效的缩小了后继图像检索时的搜索空间并提高了整个图像检索系统的检索效率。 4.针对提出的相关反馈算法，设计了一个基于Web的人机交互式图像检索系统—Imagefinder。