随着多媒体及互联网技术的高速发展,人们的日常生活、工作对图像等多媒体信息的依赖越来越强烈。基于语义的图像检索不仅能准确表达用户的检索意图,还方便于用户的使用,因此该检索方式不仅成为图像检索的一种重要形式,而且成为研究人员追逐的技术热点。而图像自动标注技术的出现是为了自动获取图像视觉内容中包含的语义信息,从而在语义级别上对检索做出支持。因此,基于图像语义的自动标注算法研究已成为图像检索领域中一个十分活跃的研究分支和关键技术,具有很好的应用前景和研究价值。　　 本文通过综合分析图像语义自动标注的相关技术,以基于联合媒体相关模型(CMRM,Cross-Media Relevance Mode)图像标注方法的研究为基础,在理论上,深入分析、研究了基于CMRM标注方法中的关键技术,包括图像分割、图像聚类以及标注模型算法优化；在技术上,设计并构建了一个基于图像语义的自动标注及检索应用系统。论文完成的工作和主要贡献包括:　　 1)实现了一种改进的基于信息突变的图像分割快速算法。算法以信息突变理论为依据,通过一种增量式的分割算法,实现对语义图像对象区域的有效分割。在分割起始种子点选取方面,采用了3×3像素点图像区域作为初始种子点对原算法进行优化,避免了噪声像素点对图像分割结果造成的影响。　　 2)提出了基于RPCL(Rival Penalized Competitive Learning)的图像聚类改进算法,该算法的最大优势在于能够实现图像自动聚类,而且有效解决了K-means算法对初始聚类中心选取敏感的问题。此外,在该改进的视觉聚类算法基础上,提出了结合语义的聚类算法,进一步优化了图像聚类的效果。　　 3)提出了基于马尔科夫模型的图像自动标注改进算法。该算法是对CMRM标注模型的一种改进,将图像标注过程看作一个马尔科夫过程,在充分考虑图像内容的基础上,通过比较候选标注词与已标有标注词集合之间的状态转移概率实现对图像的标注。同时,本文对标注结果中的首标注词进行了有效性判别,并利用相关反馈,进一步改善优化图像的自动标注结果。　　 4)设计并实现了基于图像语义的自动标注及检索应用系统。系统可以分别实现对未标注图像的自动标注以及进行基于语义和内容的图像检索。