在网络图像资源呈爆炸式增长的今天,如何有效地管理这些资源并让用户可以方便地访问其所需要的图像成为众多研究的焦点。基本方法主要包括图像检索和图像浏览,而图像标注则是这两者的基础。本文研究主要涉及图像标注,图像检索和图像浏览这三方面的相关方法。在图像标注方面,本文提出利用图像语义空间上下文信息增强图像分类标注的方法。通过两层分类结构,先对图像局部进行自动语义标注,然后将图像局部语义根据其在图像上的空间布局整合成一个概念布局向量(Concept Layout Vector, CLV)进行最终分类标注。基于有关场景和动物的两个图像数据集,通过相关实验对该方法的有效性进行验证。在图像检索方面,本文提出使用语义网络进行跨语言图像检索查询翻译的方法。语义网络根据双语并行语料计算得到,以语义为结点,以共现概率和语义关系计算结点关系。考虑多义词的不同语义在语义网络中具有不同邻接语义结点,我们同时考虑单结点及其邻接结点的翻译模型很好地处理多义词问题。而且,在确定单词具体语义之后,所构建语义网络可根据语义进行语义扩展以扩充检索结果的覆盖率。通过与双语词典的比较实验,进一步验证所建立的基于语义网络方法的优越性。在图像浏览方面,有别于以往关注于可视化效果的图像浏览方法,本文提出基于个性化推荐的图像浏览方法。该方法以基于文本的图像检索技术为工具,以本体形式组织图像语义概念,以用户偏好建模提供个性化体验,使用推荐的方式辅助用户进行语义连贯且选择自由的图像浏览。借鉴于心理学对人类联想过程的描述,将推荐算法分成收集和决策两个部分。收集部分根据用户的浏览选择和系统对用户的偏好建模,从海量图像数据库中收集相关图像。其中,使用本体描述图像语义并进一步确定图像间的相关性,然后通过语义扩展和基于文本的图像检索收集候选图像。而决策部分则根据候选图像集的构成以及用户偏好为用户推荐浏览图像。其中,使用超图建模候选图像及候选图像间的关系,使用随机游走算法确定候选图像的重要性,并采取局部最优的规则选择推荐图像。在一定规模的用户测试中,本文所提出的基于个性化推荐的图像浏览系统从用户评价、浏览深度和浏览连贯程度三个方面已获得较好的实际测试效果。