“语义鸿沟”是实现真正意义上的图像语义检索的最大障碍，图像语义分类是图像语义数据挖掘的关键技术，因此，图像语义分类成为图像检索研究领域中的一个重要的研究方向，对图像语义分类新技术研究有着重要的研究意义。现在有许多采用支持向量机对图像进行分类的研究。支持向量机是由瓦普尼克等人提出的一种学习技术，是借助于最优化方法解决机器学习问题的新工具。但支持向量机最初是针对二类分类提出的，如何将其扩展到多类并应用于图像语义分类是本文研究的重要内容。本文在对图像语义分类问题进行阐述的基础上，对支持向量机多分类算法进行了深入的研究，在考察现有多分类SVM算法后，提出了一种基于二叉树基础的多类SVM改进算法，并把改进后的算法用于图像语义分类中。主要研究工作如下：（1）分析比较了目前研究得比较多的几类多分类支持向量机算法，对其算法进行了详细描述，比较了它们的优缺点及性能。（2）重点研究基于二叉树的多类SVM分类算法，提出了一种新的类距离定义方法(D-BTSVM)作为二叉树的生成算法。（3）用本文改进的二叉树多分类算法，设计了一种多分类图像语义分类器，该分类器针对图像语义特征进行分类。最后，在Microsoft Visual C++6.0平台上对Coral图像库和Recognition ImageDatabase中的数据集就其改进后的二叉树多类SVM进行实验，验证了其分类效果与几种常见的多类SVM算法（1-v-1、1-v-r、DAGSVM）相比较，更加地优越。