传统基于内容的图像检索中存在的语义鸿沟问题使得仅凭图像的低层视觉特征进行匹配检索难以获得较理想的效果。为缩小语义鸿沟,人们引入了相关反馈技术。该技术可从用户与检索系统的实际交互过程中进行学习,发现并捕捉用户检索意图,并以此修正系统的检索策略,最后得到能够满足用户实际需求的检索结果。传统的相关反馈方法局限于在一次检索过程中使用相关反馈技术,由此产生的大量相关反馈信息并未被保存与利用,造成了信息的流失。通过保存历史反馈信息,向系统引入长期学习机制,可进一步提高检索效率。本文对基于日志的相关反馈技术作了进一步研究,给出了一种基于反馈日志的软标签SVM相关反馈检索算法,算法采用支持向量机作为基本模型,针对反馈学习中的训练样本不足、检索语义与图像库语义不对称、反馈噪声等问题给出了一种较为有效的解决方法。算法通过对日志库的语义分析并借助系统的多轮反馈机制批量增加训练样本,缓解了样本不足问题;通过对负类样本进行二次扩充向学习机输送更多的不相关语义,缓解检索中的语义不对称问题,提高了分类器对相关和不相关语义的分类能力;通过对训练样本标签进行软化,有效抑制了反馈噪声。另外,为充分发掘利用日志库提供的丰富语义信息,本文还给出了一种利用综合评分的相关反馈检索方法,将日志库作为图像相似度度量信息的重要来源,直接参与到对图像相似度的评分中。最后本文开发了一个基于日志的图像检索原型系统并对文中算法进行了实验。实验表明,本文提出的检索算法取得了较好的检索效果。