随着信息技术和多媒体技术的发展,越来越多的图像出现在人们的日常生产生活中,因此如何快速有效地从海量图像数据中检索出满足用户需求的信息是一个急需解决的重要问题。基于语义的图像检索即要求计算机按照人的主观理解和感觉来检索图像,能使图像检索在一定程度上摆脱传统的基于文本检索方式的繁重标注过程和主观不精确性,能有效降低基于内容检索方式对图像底层细节特征的严重依赖性,成为近年来图像检索领域的一个研究热点。然而图像的底层特征与人类的理解之间存在着很大的差异,即图像所包含的高层语义内容无法直接用图像的底层特征来准确表述,即在图像的底层视觉特征和图像包含的抽象语义之间存在着“语义鸿沟”,且图像语义具有相当的复杂性和模糊性,在提取、表示和应用上都存在困难,这些都使基于基于语义的图像内容检索技术成为一个极具挑战性的研究课题。基于语义的图像内容检索技术的关键是在研究提取图像底层特征及其相似性和匹配基础上,研究语义的结构模型,建立语义网络,为语义概念确立若干语义规则和特征属性,在人机交互中接受反馈训练,进行学习和推理,调整特征权值,以使底层特征与语义信息更好的结合,缩小甚至消除语义鸿沟,实现按语义对图像的精确检索。本文先介绍了图像底层特征的提取、匹配及语义模型,研究图像语义的提取和描述方法,利用人机交互中的信息反馈收集语义信息,建立语义网络,改善检索技术提高检索效率。分析基于语义的图像检索研究中存在的问题及一些现有的解决方法,并针对图像的语义分类和检索,设计实现了一个基于语义的图像检索系统的原型。最后总结全文的工作,对下一步研究中难点、热点以及需要解决的问题进行了展望。