随着信息技术的普及和信息化程度的不断提高,数字图像的数量快速增长,研究和开发高效准确的检索技术,不断满足人们对图像信息的需求显得非常迫切。基于内容的图像检索在捕捉语义方面具有很大的局限性,因此研究基于语义的图像检索是十分必要的。目前,相关反馈是捕获图像语义,缩短“语义鸿沟”的重要手段。本文在此方向上进行了深入研究,以期改善图像语义检索的性能。本文的主要工作及研究成果如下所述:1.通过简单的定量分析,发现语义网络方法在多用户模式下对反馈噪声鲁棒性不足。针对此问题,提出了基于投票思想和语义矩阵的相关反馈算法。在此基础上,提出了一种新颖的新图添加策略,避免新图与原图像库中的每个图像进行视觉特征相似度的计算,减少了系统的运算开销。为了向用户提供灵活和人性化的检索方式,对那些可转化为语义向量的查询,给出了有效的处理方法。2.传统的图像检索中所采用的相关反馈策略属于短期学习,丢弃了宝贵的用户历史反馈信息,不利于学习速度的加快和检索性能的提高。针对此问题,研究了长期学习策略来改善查询效果。首先,设计了一个具有反馈日志学习功能的图像检索框架。接着,提出了一种表示反馈日志各条记录的方法。然后,通过分析和利用反馈日志,得到图像之间的语义关联度。以此为基础,构建语义关联度矩阵,并基于该矩阵对图像进行K均值聚类。最后,当用户以库中的图像作为查询示例时,系统采用加权求和的方法得出图像之间的综合相似度,使检索结果更贴近于用户对语义的理解和感知。