随着多媒体技术和网络技术的飞速发展,大量的图像信息充斥着我们的生活。虽然互联网给我们提供了一个取之不尽用之不竭的多媒体信息数据库,然而,在信息量增加的同时,如何快速而准确的查找到用户满意的图像,成为了图像检索领域所面临的一个严峻问题。因此图像检索技术也就应运而生,传统的基于文本的检索方法效率低下,于是人们提出了基于内容的图像检索技术,并且得到了广泛的研究。基于内容的图像检索虽然克服了基于文本检索方法的主观片面和工作量大的缺陷,但是低层视觉特征和高层语义之间的“语义鸿沟”却成为了基于内容图像检索技术前进的一大障碍。相关反馈机制在一定程度上缩小了图像检索中的“语义鸿沟”。本文在全面分析基于内容的图像检索领域中的关键技术以及相关反馈的关键技术的基础上,针对“语义鸿沟”方面的问题作了比较深入的研究,提出了一些有效的算法,并在此基础上建立了一个简洁、高效的支持语义检索的图像检索系统。本文的主要工作包括：1、将颜色、纹理、形状、颜色空间位置特征组合起来,系统实现了基于多种特征的图像检索。给用户提供了多种检索方式,使检索结果更符合用户的要求。2、为了提高检索和反馈的时间性能,采用支持向量机(SVM)对COREL图像库中的图像进行分类,所使用的特征主要是颜色特征,将图像库中的图像分类。实验结果证明了在分类基础上的相关反馈在时间性能上的优越性。3、提出了一种基于模糊语义相关矩阵(FSRM)的相关反馈算法。该算法根据用户对检索结果的反馈调整模糊语义相关矩阵中的权值,从而捕捉用户的检索意图。通过对模糊语义相关矩阵中数据的学习并不断修正语义矩阵中的权值,达到低层视觉特征到高层语义特征的过渡,最终提高了查询的准确度。实验结果证明了该算法可以有效的提高反馈结果的准确度。4、提出了基于模糊语义相关矩阵的学习算法和长期学习算法。学习算法可以有效的提取出FSRM中的隐含语义信息,并根据公式对模糊语义相关矩阵中权值进行相应的修改,使得FSRM中的语义信息可以更快的传播,提高反馈的准确度。实验结果证明了该算法的有效性。长期学习算法是基于有限次的反馈学习之后,通过对FSRM中语义信息的分析,将图像类中的错误图像删除掉,进一步提高反馈结果的准确度。5、用Matlab7.8设计和实现了一个基于语义特征的图像检索系统,实现了人机交互式的检索系统,通过该系统进行的一系列实验证明了本文所提算法的有效性。