基于内容的图像检索是目前多媒体技术中非常活跃的研究方向之一.虽然近年来出现了一些较成熟的检索系统,但是这些系统存在一些问题,如未能很好地模拟人的视觉特性以及对图像特征数据之间的内在联系挖掘不够深入等等,这使得检索结果不能令人满意.本文采用了一种结合显著性和半监督学习的检索算法,并通过实验验证其可以得到的较好的检索结果.本文在介绍了基于内容的图像检索技术、注意力模型、显著区域提取和半监督学习方法之上给出了一种结合显著性分析和半监督学习的图像检索算法.主要工作如下:(1)显著区域的提取.采用Itti等人提出的注意力模型来计算显著图,并用大津阈值法对图像进行分割,最后结合显著图和分割图,得到图像的显著区域.(2)基于显著区域的图像检索.在提取显著区域的基础上,使用于显著区域的方法进行检索,实验表明基于显著区域的检索效果较传统的方法比较准确.(3)使用半监督学习策略提高检索性能.在得到基于显著区域的图像检索结果之后,采用流形排序算法对结果集进行基于区域级的二次排序,用以修正结果.实验结果表明,基于显著区域的图像检索能够很好地消除背景对检索结果的干扰,流形排序算法能较好的挖掘出图像特征数据间的内在联系.本文提出的结合显著性分析与流形排序的图像检索算法能够很好地提高图像检索的性能.