随着计算机互联网和各种数字化设备的普及,有关多媒体信息管理的研究特别是图像检索越来越受到关注。目前,基于内容的图像检索技术成为图像检索的主流。为了改善检索结果,图像检索中提出了相关反馈技术,很好的实现了人机交互,因此相关反馈成为了图像检索中不可缺少的部分。本论文通过对基于内容的图像检索、相关反馈算法以及强化学习等多方面的研究,将强化学习中的Q学习算法结合到相关反馈中,提出一种基于Q学习的相关反馈算法,实验结果证明,本文的算法检索效果良好。此外,本文还对现有的IRRL模型(图像检索强化学习模型)算法进行了改进,并实验证明其优于改进前的IRRL算法。本文主要研究工作为:1.分析了现有的图像可视化特征的提取算法,特别是颜色和形状特征的提取算法,通过具体的实验,提出了一种更好的特征提取算法。2.通过研究学习强化学习原理以及强化学习中Q学习算法,寻找与相关反馈算法的可融合点。选择Q矩阵记录每幅图像的累加奖赏值,通过Q学习算法,根据Q矩阵,图像的Q值越大则越相关。3.对现有的IRRL模型提出改进,选择每类图像的中值图像来提取最优策略;每次反馈时,根据用户的最新一轮的反馈值来选取具体的相关反馈算法。4.获取策略后,根据策略进行图像检索时,存在不同的反馈算法间如何组合的问题。本文采取特征加权分别与查询优化、贝叶斯分类器相结合的方法,获得了更好的检索结果。本文将强化学习原理结合到图像检索的相关反馈技术中,使相关反馈能更好的实现人机交互,检索系统能更好的满足用户的检索意图。