随着多媒体技术在计算机领域内的高速发展和其在军事、医学、交通等方面的广泛应用,计算机视觉成为近年来一个备受关注的研究领域,它也促使了机器学习、人工智能、机器人等相关领域的研究的进一步发展。而在计算机视觉中关于物体识别的研究又是该领域中最富挑战性的研究课题,它包括在计算机中对物体表示方法的研究,以及对计算机识别物体的方法研究,还涉及了图像处理、机器学习、模式识别等多个复杂学科。同时,关于物体识别的研究又是计算机视觉中最有意义的研究课题,它在军事和民用中都有着广泛的需求,如车辆的自动驾驶、智能监控系统、互联网上的图像视频的检索等。这使得关于该课题的研究内容受到国内外学者的广泛关注。本文主要的研究内容是：通过对计算机中的数字图像进行分析,完成对图像中物体的识别。论文中介绍了物体识别中所涉及到的基本理论与方法,分析了当前国内外的研究现状、所面临的困难与挑战,并针对传统物体识别算法中只依赖于视觉特征进行识别的单一性缺陷,提出了一种结合先验关系的物体识别算法。算法分为机制建立和数据测试两个阶段。在机制建立阶段,首先通过图像间的全局相似性构建了图像与图像之间的关系,并建立了图像相似性图模型；其次,利用先验知识完成对本体的构建,并量化地描述了语义与语义间的关系,建立了语义相似性图模型；然后通过对图像进行分割,获取图像中有意义的子区域,并对多种类别的物体进行训练,用训练得到的分类器得到物体所在图像与语义间的弱语义关系,从而将图像相似性图模型与语义相似性图模型连接起来构成混合图模型；最后通过对混合图模型的概率化表示构建了随机游走模型。在识别阶段,首先建立待识别图像与随机游走模型中的图像节点和语义节点之间的关系,并在该概率模型上进行随机游走,将随机游走的结果作为物体识别的结果。实验结果证明了本文所提出的结合先验关系的物体识别算法的有效性。同时,本文提出的物体识别算法较传统基于视觉特征的物体识别算法具有更强的识别性能。