随着计算机网络和图形图像学的迅速发展,传统的基于文本的图像检索技术已经无法满足用户日益复杂的检索需求,所以基于内容的图像检索(Content-Based Image Retrieval,简称CBIR)技术应运而生。然而,CBIR的检索结果往往不能令用户满意。因此,将相关反馈技术(Relevance Feedback,简称RF)融合到基于内容的图像检索研究中去,使得图像检索的准确率大大提高。在CBIR中,相关反馈是交互式地进行多次检索,初次相关反馈是建立在特定算法上的,而初次检索结果对于以后的检索是极其关键的,这就使得反馈效果有很大的局限性;而算法为了使得检索更加准确,会反复进行反馈操作,使得算法效率降低。本文研究的主要内容有如下几点:(1)将蛙跳算法的分组思想和粒子群算法相结合,运用到相关反馈过程,将其看作一个使用粒子群算法寻优的过程;(2)针对相关反馈算法的局限性和效率低的问题,结合粒子群优化算法(Particle Swarm Optimization,简称PSO)迭代寻优和能够跳出局部最优的特性,对图像检索的反馈过程进行优化,以便提高图像检索的效率和准确率;(3)针对粒子群优化算法易陷入局部最优的缺陷,提出以度为规则的小世界粒子群算法。