随着多媒体信息的膨胀和互联网的飞速发展,越来越多的图片视频被上传到互联网,图像作为高效提供直观视觉效果的媒体,已经成为人们日常生活中必不可少的一类资源。为了提升用户对图像检索结果的满意度,重排序技术被提出,成功改进了简单的关键字图像查询的检索性能。但对于长查询,由于正样本的稀缺以及视觉特征和查询语句之间加大的语义鸿沟,图像重排序并未取得显著地效果。目前,主要的图像重排序方法是通过利用图像底层视觉特征来提高检索性能,然而用户在图像的理解上通常是靠语义信息来实现。因此,本文提出一种结合语义与视觉信息的长查询图像重排序方法,该方法同时考虑了图像的标注信息以及视觉特征信息。具体来讲,基于多媒体语料库以及WordNet和维基百科知识资源,进行语义相关性估计,与图像视觉特征分析得到的相关性分数线性加权,完成图像搜索结果的重排序。本文着眼于长查询图像重排序方法的研究,主要工作和创新点如下：1.本文将长查询语句视为多个视觉概念。视觉概念的检索结果不仅能够表达长查询检索结果的部分特征,同时其检索的准确率高,进而提升长查询与图像之间的相关性估计的准确性。2.通过构建一个概率模型,分析视觉概念与长查询及其初始检索结果的相关性。该方法不会受到初始结果的顺序影响,克服了传统图像重排序方法存在的缺陷。3.在相关性分数计算的过程中,同时考虑了图像的文本特征和视觉特征,采用线性结合的方法,将计算的语义以及视觉相关分数结合到一起,得到最终相关性分数,完成重排序。其中,语义相关分数通过挖掘更符合人类感知的网络资源,即将网络图集中概念的共现性、WordNet和维基百科知识相结合得到,使得估计结果更为准确。实验结果证明,本文方法能够有效提高图像搜索结果的重排序性能。