随着计算机领域技术的进步,尤其是多媒体技术的发展,网络上的图像数据呈几何式增长,人们对图像这些多媒体数据的需求也越来越大,但是随着图像数量的增多,人们找到自己需要的图像也越来越困难,互联网中绝大多数的图像信息不能为人们所用。如何有效的存储和检索互联网中的图像,成为学术界和工业界研究的一大热点,也是人们面临的一大难题。近年来学术界和工业界出现了多种图像分类和检索技术,但是实际的应用效果并不是十分理想。基于语义的图像检索可以体现人对图像的主观感觉和理解,是一种更合理的检索图像的方法。本文在总结研究该领域以往研究成果的基础上,简要阐述了图像的语义特征的含义以及表示方法,选择合适的方法对图像的底层物理特征进行提取,图像底层物理特征的归一化及相似性度量方法,以及如何将图像的底层物理特征表示为图像的高层语义。并在提取图像底层特征的基础上,通过研究分析不同的机器学习算法的应用效果,选定K近邻算法对提取的特征进行训练。由于图像特征是一个高维数据,对高维数据进行训练是一个耗时的工作,研究了如何用hadoop分布式平台对图像的语义特征进行分布式训练,设计实现了K近邻算法的分布式程序,以加快数据训练的效率。设计完成了一个分布式图像分类检索系统,用来对用户上传的图书插图进行分类,从而可以准确的判断用户上传的图片对应的书封,摘要,全文链接和馆藏链接。该系统已应用到北京邮电大学“经典阅读”图像检索业务系统中,方便了用户检索,丰富了用户的检索途径及体验。