随着互联网技术和信息技术的高速发展,互联网平台上积累了海量的数字图像数据,这些海量的图像数据中潜藏着许多有价值的信息,如何从这海量图像数据中快速、准确的检索出满足用户需求的图像数据是当今时代非常重要的一个研究方向。本文构建了一个场景语义结构图检索系统,并在场景语义结构图检索的基础上实现了基于语义的图像检索,本文构建的场景语义结构图检索系统包含了召回、粗排、精排这三个阶段。在召回阶段,本文提出了基于motif的场景语义结构图召回算法,借助该算法可以在场景语义结构图数据库中召回和询问场景语义结构图相关的场景语义结构图得到一个场景语义结构图候选集。该算法用结构简单、稳定的motif来表示场景语义结构图,通过motif的检索来实现场景语义结构图的召回。为了计算motif在语义上的相近性,本文引入word2vec通过词向量来计算motif中各个部分的语义相似性。在该算法中还定义了三个匹配阈值来控制该算法的召回要求,可以根据实际需求来调整这三个匹配阈值召回满足实际需求的场景语义结构图。在粗排阶段,本文提出了一个场景语义结构图匹配距离度量函数(scene graph matching distance,SGMD),该函数用于对召回阶段得到的场景语义结构图候选集合进行快速粗略的排序。对场景语义结构图候选集进行粗略排序后,保留排在前面的结果,过滤掉排在后面的结果,进一步精简候选集,得到初步的检索结果。在精排阶段,本文通过图神经网络来对精简后的候选集进行精确排序得到最终的检索结果。图神经网络通过从数据中训练学习场景语义结构图的表示,把复杂的场景语义结构图映射到低维向量空间中。把困难的场景语义结构图相似性计算问题转化为简单的向量相似性计算问题。本文设计的图神经网络主要包含三个部分:信息编码部分、信息传播部分、信息聚合部分。信息编码部分的作用是对场景语义结构图中的物体信息和关系信息进行编码,从中提取高阶特征,让图神经网络能更好的表示场景语义结构图中的信息。信息传播部分让信息在图内甚至图之间传播,使每个物体都能学习到周围一阶甚至高阶信息。信息聚合部分聚合所有的物体的表示信息,让图神经网络最终能用一个向量来表示场景语义结构图的结构信息和语义信息。本文在实验部分,通过和其它算法进行对比,以及可视化分析,证明了本文构建的场景语义结构图检索系统具有优异的检索性能,不仅能检索到和询问场景语义结构图精确匹配的场景语义结构图,而且还能检索到和询问场景语义结构图语义相似的场景语义结构图,能够很好的满足场景语义结构图的实际检索需求。