伴随着互联网的快速发展,图像数据呈爆炸性增长,存在大量的未标注的图像数据,而传统人工标注的方式成本巨大。如何对这些海量的图像数据标注关键词成为一个亟待解决的问题。图像自动标注是解决该问题的核心内容,受到了研究人员的广泛关注。针对图像标注中存在的图像弱标注问题,本文提出了基于深度特征结合词间关系的图像标注方法。首先利用标注词之间的共生关系和语义关系来解决图像弱标注问题,然后通过深度卷积神经网络提取图像的深度特征,有效避免了传统的图像低阶人工特征表达不充分的问题,最后基于深度特征结合词间关系建立图像特征空间与语义概念空间的关联关系,从而完成图像标注任务。考虑到图像数据集存在标注词分布不平衡的问题,以及不同的特征对不同的语义概念有不同的表征能力。本文提出了基于多核学习的多特征融合图像标注方法,首先通过利用合成少数类样本的过采样方法来克服少数类对标注性能的影响,进一步地将图像的一些传统视觉特征与深度特征进行基于多核学习的多特征融合,结合多种特征的互补信息以增强图像的特征表示能力,从而得到图像与标注词之间的内在联系。将本文提出的两个标注方法分别在三个基准的数据集上进行实验和评估。实验结果表明基于深度特征结合词间关系的标注方法相比于其他的标注算法取得了更好的性能,并且通过给定训练图像不同标签数下的实验对比展现出了该方法对解决图像弱标注问题的有效性。同时实验结果表明基于多核学习的多特征融合标注方法能够更准确、更充分地表达图像的语义信息,以及有效地完成图像自动标注任务。