目前,基于内容的图像数据库检索已成为图像数据库研究的主流,其核心是基于内容的图像相似性检索.基于内容的图像检索遇到的主要问题是检索的准确性需要进一步提高,这主要是由于图像的高层语义概念同底层特征之间的差距和人类感知的主观性引起的.为了提高检索系统的性能,就要缩小图像高层语义概念同底层特征之间的差距,将人的主观判断嵌入检索系统,因此在图像检索中相关反馈算法就受到越来越多的重视.该文对基于内容的图像检索中的相关反馈技术作了全面的概括,从不同角度给出了相关反馈的定义,基本思想及在图像检索中引入相关反馈的目的和意义.该文还介绍了相关反馈的研究现状,对现在存在的几类典型的相关反馈算法进行了详细的介绍和分析.该文通过对目前存在的相关反馈技术的分析,提出了一种新的反馈策略,以改善图像数据库检索的效果.文中先对图像的显著性特征进行了定义,从图像的显著性特征角度提出了这种相关反馈策略.该方法采用Rui所提出的多层的图像表示方法,综合了查询向量优化和特征权重调整两种相关反馈方法的特点,在反馈检索过程中,通过捕获用户的交互信息,计算图像库中图像与反馈正例在具体特征上的距离和,与反馈负例在具体特征上的距离差,来计算其与查询图像间距离,求出相似度,从而在交互中将用户模型嵌入到了图像检索系统之中,达到提高检索效率的目的.为了证明所提出的反馈策略的有效性,该文搭建一个基于内容的图像检索的原型系统—ImageSeek,在上面进行了大量的实验,实验结果表明了此种反馈策略确能达到将用户模型嵌入到了图像检索过程之中,有效提高图像检索效率的目的.