随着互联网科技日趋成熟的发展势头,图形学的发展也步入了全新的阶段,面对海量的图像数据,传统意义上的图像检索方法受制于精确度的制约,显露出了诸多弊端。因此,文本检索中提出的相关反馈(RF)算法被融入到基于内容的图像检索(CBIR)中,在一定程度上提高了检索的精准度。然而,RF加入了人的交互作用,会依据人的意愿进行多次判断和操作,造成检索过程的繁琐化,不利于提高检索的效率。同时,目前存在的RF算法在反馈精度方面还面临较大的局限性。为了从检索效率和精度两方面取得突破,有关学者在改进现有的RF算法的同时,将优化算法与CBIR结合起来做研究,取得了一些成果,如PSO-RF算法、GA-RF算法等,这些算法对于提升检索的效果有很大帮助。本文从如下三个方面对CBIR进行了改进:(1)将类无标度网络模型作为粒子的邻域结构,在基本的粒子群公式中增加远离最差粒子的项,用禁忌表存放局部最优、最差粒子,得到融合类无标度的禁忌粒子群算法(ST-PSO)。(2)针对现有相关反馈算法存在的局限性,根据用户的反馈信息引入分辨率来动态调整特征权重以及查询向量,得到一种新的相关反馈算法。(3)在RF过程中,使用ST-PSO算法优化改进后的图像检索反馈过程,这样做加快了检索的速度,也提升了检索的精准性。