随着互联网应用的日趋广泛,图像资源的日益丰富,如何有效地对大规模的图像进行检索,已成为当前一个重要的研究课题。在这个背景下,人们提出了基于内容的图像检索方法(CBIR),通过提取图像的颜色,纹理和形状等底层特征完成对图像的检索。然而由于图像底层特征和高层语义特征之间存在着“语义鸿沟”问题,使得基于底层特征的检索方法的检索效率仍然较低。如何将图像的底层特征和高层语义关联起来,成为当前需要解决的关键问题之一。本文回顾了图像检索研究现状,并在此基础上做了如下工作:1.对颜色、纹理和形状等各种底层特征的提取方法,相似度度量和检索性能的评价进行了总结。对语义图像检索进行了研究,总结了图像的语义表示方法和语义提取方法,并结合模糊集理论,对模糊关系在图像语义分类中的应用进行了研究。2.图像数据库中,不同的语义之间有可能存在着关联关系,通过挖掘语义之间的关联规则来提高检索的查全率。实验证明了此方法的有效性。3.对图像检索中的相关反馈技术进行了研究,针对目前网络中人们所使用的图像数据的特点展开研究,提出了一种基于移动中心点的相关反馈方法,通过人的正反馈作用,不断改变类的中心点,使图像类的语义逐渐符合人的要求。通过此方法减小了由图像底层特征所提取的语义与实际语义之间的差别。实验证明此方法能够提高语义分类的准确性。4.最后,本文在前面的研究基础上设计了一个基于语义的图像检索系统,并通过实验验证了系统的性能。