传统的基于关联规则算法的图像自动标注存在"锐利边界"问题,使分类存在模糊性、不准确性。且随着多媒体技术的飞速发展,图像信息数据迅速增长,海量的图像数据会形成大量冗余的关联规则,这将导致分类效率大大降低。针对这2个问题,文中提出基于模糊关联规则和决策树的图像自动标注模型。该模型首先获得关联训练图像低层特征和高层语义的模糊关联规则,再利用决策树方法删减冗余的模糊关联规则,基于决策树删减后的模糊关联规则,大大减小了算法的计算复杂度。实验在Corel 5k和IAPR-TC12两个基准数据集上进行,并从精度、召回率、F-measure以及产生的规则数量几个度量措施上进行比较。与其他几种前沿的图像自动标注方法的结果对比表明,该方法在图像的标注精度和标注效率上有很大的提高。