随着昆虫学研究对象的不断深入和扩展,昆虫学领域产生了越来越多的图像数据,使得图像数据库开始急速膨胀,从而使研究人员难以方便、快速、准确地查询和检索到所需要的图像信息。因此,昆虫图像标注是昆虫图像检索领域一个具有重要价值的研究热点。本文主要对鳞翅目、鞘翅目和直翅目三类昆虫图像标注技术进行了深入的研究。论文的主要工作如下：(1)设计了针对三类昆虫图像的预处理模型。该模型主要通过平滑滤波、背景滤除及孤立噪声点处理三部分结合实现。实验结果表明该过程不仅能较好完成预处理操作,同时也较好地将对象从图像背景中分割出来。(2)提取了直翅目和鞘翅目昆虫的躯体形状特征。实现主要操作包括：形态学膨胀与腐蚀处理、CANNY边缘检测,最后提取了躯体轮廓的全局形状特征。实验结果表明,在获取了较准确的躯体轮廓后,能够较好地提取到全局形状特征。(3)提取了三类昆虫图像的纹理特征。实现方法是直接计算三类滤除背景的昆虫图像共生矩阵的特征值。实验结果表明在固定图像大小的情况下可以实现快速提取,但是当图像的尺寸变大时,灰度共生矩阵算法的时间复杂度会急速增长,提取时延也会明显变大。(4)研究了神经网络算法和SVM支持向量机算法的实现原理,并分析对比了这两种算法的优劣势,并使用SVM支持向量机完成了基于纹理特征和形状特征的分类识别。实验结果表明使用SVM支持向量机对三类图像的分类准确率达到了85%,而后两类图像的分类准确率达到88.33%。(5)三类昆虫图像目级语义信息的标注。在分类识别结果的基础上,利用数据库表级映射机制可以实现对三类图像进行目级信息标注,实现的查全率达到了95%以上,查准率达到了86%以上。(6)蝗虫图像的科级语义标注。实现方法是：利用XML语言存储直翅目蝗虫的14大形态特征,在用户手工提供特征后,计算机通过读取XML文件来推理当前蝗虫图像的科级语义信息,从而实现对当前处理对象科级语义的标注。其查全率和查准率都达到了80%以上。