在当今数字化生活中,多媒体数据与日俱增,大数据时代更让多媒体数据在人们的生活中起到至关重要的作用。在多媒体数据中,占最大多数的是图像和视频,而图像是视频的基础,自然在多媒体数据管理中起着举足轻重的作用。快速准确的图像检索,让人们通过互联网可以快速有效的进行网络活动,很大程度上提高人们的生活质量。而自动图像标注是基于图像内容检索中重要而具有挑战性的工作,它可以在一定程度上解决语义鸿沟问题。如果能实现自动图像标注,那么现有的图像检索问题实际就可以转化成技术已相当成熟的文本检索问题。因此,自动图像标注的研究是一个很有意义的课题。(1)图像低层特征提取是图像标注的基础。论文详细阐述了图像低层特征提取的方法,通过在不同的图像特征上进行的实验,比较分析了各类图像特征的特点,总结和归纳了各方法的优缺点及适用范围。(2)为了解决图像低层特征与高层语义之间存在语义鸿沟,本文在基于图标签传播原理和基础上,研究基于连续预测的半监督学习的方法,实现标签的有效传播,并在图像分类实验上验证了方法的有效性。结合多标签的特点,研究了基于连续预测的半监督学习图像语义标注方法,分析了该方法的时间复杂度与空间复杂度,实验结果表明该方法能提高图像标注的准确度。(3)图像标注的结果不可避免地存在噪声,和存在标签之间的不一致性以及标签无意义等现象。针对这些问题,研究了基于共生关系模型的图像标注优化方法进行标注优化。采用共生关系模型方法挖掘出语义之间的相互关系,实现对初始语义进行优化。实验结果表明进行标签优化使标注准确度有明显提高。本文在研究图像特征提取的基础上,提取出能准确表达图像视觉信息的图像特征。在此基础上,借助我们研究的图像标注算法实现图像标注。本文从图像的特征提取、构筑有效的标注模型、对得到的标签进行优化三个方面来改进图像标注的性能。取得了很好的效果。