随着互联网的飞速发展、网络平台的多元化,以及数码电子设备越来越普及,数字图像的存储量正呈爆炸性地增长,如何快速地查询、高效地组织这些图像成为一个亟待解决的问题。显著性区域作为图像内容表示最重要的部分对于图像检索时的准确性起着至关重要的作用,同时为了能有效地利用背景区域的内容信息,本文以显著性区域及周围相邻背景区域作为图像的内容表示。并且,提出了一个新的矩阵匹配方法进行背景区域相似度的度量,该度量方法不光考虑区域间的低层视觉特征的相似性同时兼顾区域间位置关系。实验中用不同的数据库来验证了该表示方式的有效性,并且与两个著名的图像检索算法进行对比,在对检索结果进行评估时本文提出了一个全新的基于标签的评估标准,这样的评估方法更加合理准确,评估结果均表明本文算法具有一定的优越性。基于多模型的图像区域语义标注算法是在图像标注的基础上想发掘出图像标签与图像内容之间的关系,在图像中标注出每一个图像标签对应的区域。该算法先是对区域特征进行两次词袋模型处理,接着使用条件随机场模型进行图像区域标签的检测,检测后使用潜语义分析算法结合区域位置信息对检测出的标签进行纠错。实验中发现在进行纠错后的图像区域语义标注结果正确率有明显的提高。本文在原始概率潜在语义分析模型处理的图像多标签标注方法上进行改进,利用概率潜在语义分析模型在图像视觉模态和文本模态间建立“桥梁”,使其能够很好地预测未知图像所包含的语义概念。实验结果表明,改进后的基于多次概率潜在语义分析的图像自动标注算法在图像的深层语义分析以及多标签标注方面能够取得较好的效果,与当前多种图像标注算法相比能够得到更为准确的标注结果。