随着多媒体数据的日益发展和普及,多媒体相关技术的研究成为当前信息领域的一个热点,特别是基于内容的图像检索(Content Based Image Retrieval,CBIR),形成了一类新的前沿课题.CBIR系统提取图像中颜色、形状以及纹理等视觉特征,并将其作为检索依据实现图像检索.实际图像检索中,用户所采用的语义查询方式和图像的视觉特征描述之间的差异很大,而现有的信息处胖和数据分析技术很难获得二者之间满意的映射关系,因此仅通过视觉特征进行的检索在效果上往往不能满足用户需求.该论文旨在利用相关反馈方法来提高CBIR系统的检索效果.为了描述用户选择在检索过程中的主观性和随机性,该文在基于贝叶斯学习的相关反馈算法中引入动态分布函数,实现了特征权值的动态更新.实验结果显示检索效果得到了显著的提高.该文研究工作的主要特色和贡献有:1、对CBIR系统中的相关反馈技术进行了详细的研究,设计并实现了一个新的贝叶斯相关反馈算法.该算法针对现有相关反馈技术的不足,用特征权值的动态分布函数对用户选择的主观性和随机性进行建模.2、由于分布函数在形式上具有多样性,该文重点研究了两类动态分布函数:线性分布函数族和正态分布函数族,并根据用户的反馈信息对这两类分布函数进行了参数估计.在此基础上,给出动态分布函数的一般性设计方法.3、结合CBIR系统中广泛应用的一些性能评估参数,建立了一组性能评竹参数,针对CBIR系统中的性能评估问题给出了一些新的思路.基于这组性能评估参数进行的大量检索实验,验证了该文算法的稳定性和收敛性.与权值调整的相关反馈算法和基于支持向量机的相关反馈算法的对比实验结果也验证了该文算法具有更好的查准率和查全率.