随着网络和多媒体技术的迅速普及和发展,越来越多的用户使用多媒体设备和网络获得并查询图像。因此图像检索已经成为一个研究的热点。现有的图像检索技术主要是基于文本查询的图像检索或者是基于内容的图像检索。基于文本的检索需要人工标注,无法根据图片内容本身获取信息。而基于内容的图像检索虽因其只依赖于低层的视觉特征,所以往往同查询用户的理解产生偏差,从而导致检索结果的不精确。基于以上考虑,学者们提出了基于语义的图像检索。该类方法通过语义建模,将图像的低层特征同高层语义进行合适的映射。但视觉特征同语义间依然存在着巨大的“语义鸿沟”,导致语义信息无法用视觉内容进行准确的描述。如何跨越这个“鸿沟”是亟需解决的一个难题。　　 本文介绍并比较了各类构建语义图像方法的不同,并对图像检索中热门的局部特征以及相关语义特征进行了阐述。然后我们在提取出显著目标的查询图像上,利用低层的局部特征描述子结合机器学习中分类的方法,在前人工作的基础上结合WordNet语义网络,提出了一种新的语义图像检索方法。这种方法在计算图像之间视觉特征的同时,还利用概率模型推导出了它们在语义上的距离。两类距离共同决策,从而生成最终的预测结果。最后根据所提出的语义图像检索框架进行了两组实验。实验结果验证了本文方法的有效性。相对于传统的基于内容的图像检索,在精度上有了一定的提高。