计算机技术、多媒体技术以及Internet技术的飞速发展产生大量的图像信息,因此如何有效地、快速地从大规模的Web数据中检索出满足用户需求的图像是一个目前急需解决的重要问题。然而,从图像的视觉特征到图像的语义表达之间存在巨大的“语义鸿沟”,为了缩小存在的巨大差距,基于高层语义图像检索(HSBIR, High-level Semantic-Based Image Retrieval)成为图像检索领域的研究热点。本文在回顾基于内容图像检索研究现状的基础上,对图像语义标注和相关反馈技术展开深入的讨论,从算法思想上对现有的主流语义标注模型和相关反馈算法进行了理论与实践的剖析与比较,指出两种技术的不足及其发展方向。提出了一种语义向量算法,构建了图像语义关键词网络,实现了图像底层视觉特征和语义的复合索引。通过相关反馈技术一方面便于理解用户的查询意图,调整相似度量准则以符合用户的需求;另一方面,给相关图像传递语义信息,更新相关性强度,充实语义网络,实现对图像的有效检索。文章还综合利用图像检索技术,建立了一个高效的图像检索原型系统。在检索过程中,用户提供查询示例,图像的底层特征和图像语义网络互为补充以达到最佳的检索效果。经过实验测试,本文的图像检索原型系统可以在少量的反馈次数下,提高检索的查准率和查全率。最后总结全文的工作,对下一步研究中难点、热点以及需要解决的问题进行了展望。