随着图像数字化技术的发展,尤其是互联网技术的快速发展和普及应用,人们在各个专业领域和日常生活中所接触到的图像数量已经达到海量化的规模,其内容也更加呈现多样化,这对有效地管理这些图像媒体提出了迫切的应用需求,对图像进行基于语义内容的检索也因此成为持续受到关注的研究热点。数字图像在计算机中的存储形式是像素矩阵,而人类所观察的图像信息则不仅仅是像素,还包含着人类自身的主观感受。这种主观感受和人类自身的经验知识密切相关。人类通过自己的主观加工获取图像的语义内容,因此计算机所能提取和表示的图像视觉特征往往不能很好的描述该图像所代表的高层语义,这造成了图像检索中的“语义鸿沟”问题。研究者针对“语义鸿沟”问题,进行了大量研究,提出了不少的解决方法,但仍未能很好地克服该难题。本论文从三个方向入手,尝试对“语义鸿沟”问题提供进一步的解决方案。首先,在图像检索的前期处理阶段,使用一种新的图像分割算法来获取图像的高层语义特征,对其进行有针对性的量化后再用于后续的检索过程。检索实验表明,该分割算法能够在一定程度上获取图像的语义特性。其次,在图像检索的相关反馈过程中,引入半监督学习算法,对被检索图像的语义进行较准确的学习。在流形学习算法框架基础上,提出了一种新的关系图增强算法用于半监督的流形学习,从而实现了一种语义流形学习算法,在图像检索和反馈图像检索中都获得了较好的实验效果。最后,对图像的语义分类进行了研究,图像语义分类可直接应用于图像检索过程中。在码书模型的基础上提出了一种基于差异最大化的新型编码方法,改进了现有的码书模型。通过大量的图像语义分类实验验证了所提码书模型方法的有效性。