随着互联网的不断普及和各种图像采集设备的持续发展，图像作为人类感知世界的重要信息源，在实际中的应用也变得更为重要。如何从海量的数字图像集合中快速查找目标图像，是研究的热点。相较日益庞大的数据量和大规模图像数据库的发展，传统基于文本检索的技术已经不能够适应用户的检索需求，传统的信息分析与检索技术面临着新的挑战。基于内容的图像检索方式的出现，也不能完全满足人们通过高层语义检索图像的意图。因为建立在低层视觉特征的相似性度量不能完全表达图像高层语义。基于语义的图像检索是一种更好地选择。基于语义图像检索的关键问题是如何将底层视觉特征同人类认知的语义对应起来。目前的语义提取方式，按照高层语义划分有以下三种：是基于外部信息源的语义提取、基于人工交互的语义提取和基于知识的语义提取。图像的语义信息可以通过自动图像标注技术来获得，这样可以实现在语义级别上对图像进行检索。一般，将各种底层特征组合起来对应高层语义信息的关键词，其中使用各种的机器学习方法，将图像特征和文本描述对应起来，底层的视觉特征是高层语义信息的基石。本文绪论介绍了物体提取和自动图像语义标注的研究背景；然后介绍了在物体提取中使用的彩色图像处理方法，图像滤波、图像量化、图像分割和人工智能中的BP神经网络。第3章，在预处理的基础下，提出了一种图像中主要对象的提取方法。图像是由各种物体组成的，不同的物体，在有颜色分布和图像纹理上会有较大的不同。第4章，提出了本文使用的自动语义标注方法。同时对该方法进行了验证。最后，对本文进行了总结和展望。