近年来,随着互联网和多媒体共享社区的发展,尤其是Flickr、YouTube等新兴社区的快速发展,多媒体内容的规模正成爆炸式增长。如何有效、准确的对这些内容进行管理、检索变得尤为重要。而这些应用的基础,就是对图像内容语义合理的表达方式。这篇文章以互联网社区图像语义表达及管理组织方式为研究背景,以图像标注为主要应用目标,旨在分析和研究互联网图像语义表达的统计规律和主题发现策略,并提出互联网社区图像语义精确表达和主题发掘的理论和应用框架,并通过大规模数据集上的实验,对理论框架和算法进行了验证。文章首先分析了互联网社区图像标注及描述的统计规律,对比于传统的自然语言处理和文本信息检索领域的统计规律,得到了三条指导理论和应用研究的统计假设,分别是“稀疏分布假设”,“局部收敛性假设”和“全局收敛性推论”。以这三个假设为出发点,研究了主题和关键词的可选择性,并提出关键词的完备集理论。完备集理论通过对异质数据分布的分析,建立最小化能量误差准则,定性的对主题和关键词的可选择性进行了分析和评价。在此研究基础之上,建立视觉主题模型,通过无监督的机器学习方法和视觉差异性最大化准则,发掘大规模数据集下视觉主题的分布,并将其应用于互联网社区图像的关键词选择以及图像标注应用之上。实验结果对本文提出的理论及框架的正确性和有效性提供了有力的证据。在文章的最后,对现有工作做了总结并对未来工作做了合理展望。整个研究以对大量数据的统计分析为出发点,理论研究为依据,提出了解决互联网图像语义表达和主题发现理论和应用框架,并应用于图像标注,对后续研究提供了有价值的参考。