传统的基于标注的图像检索主观性太强、工作量太大。基于内容的图像检索技术克服了这些弊端，充分利用图像自身的特点，由计算机自动分析提取图像的内容特征（颜色、纹理、形状及空间关系等）来进行图像的有效检索。然而，由于图像语义特征和低层特征的“鸿沟”问题，给图像检索技术带来了很大困难，目前提取的内容特征仍集中于颜色、纹理、形状等低层特征。因此，如何结合语义特征，使得所抽取的低层物理特征和图像内容所表示的语义特征之间建立良好的联系，实现高效的图像检索，仍是很长一段时间内需要研究解决的问题之一。　　本文全面分析了图像检索各种技术和图像检索技术中的相关反馈算法，对基于修改特征权重的相关反馈算法进行了重点分析，对经典算法进行了仿真实验。在此基础上，提出了一种新的基于修改特征权重的相关反馈新算法。本算法一改以往的反馈算法，利用未标注图像与反例图像增大了训练样本数，在一定程度上解决了训练样本少的问题，提高了反馈的效率。本算法引入正例错误与反例错误的概念，并附加一定的条件同时利用正负反馈样本修改特征的权重，能更好的适应两类样本的不对称性，进一步提高检索精度。实验结果证明了本算法的快速收敛性、有效性，并有很好的稳定性。　　本文在研究基于修改特征权重的相关反馈算法基础上，提出了综合低层特征和语义特征进行图像检索的算法。对于某些特殊情况，仅仅依靠修改特征相似度不能起到很明显的效果，由此本文引入了语义关系矩阵，先通过对反馈日志的长期学习建立语义关系矩阵，之后再对语义关系矩阵进行优化，实现了同时被标注为负反馈的图像之间相似度的估计。最后把特征相似度和语义关系相结合进行图像检索，使图像检索系统的应用范围更广泛，更能适应用户的更多查询需求。