基于语义的图像分类和检索,一直以来都是计算机领域的热点问题。该问题主要的研究目标是如何高效和准确的分类和检索图像。本文针对其中的若干关键问题做了研究,取得如下一些成果:提出一种基于颜色的语义特征构建方法。通过提取低层颜色特征,构建包含颜色概念的语义网络,建立颜色语义特征三元组,并利用机器学习分类算法进行图像分类。充分弥补了图像低层特征到高层语义之间的语义鸿沟,建立新的语义映射,提高图像分类准确率。最后实验表明,利用此方法构建的语义特征向量进行图像分类,不仅可以取得优秀的分类结果,同时对不同的分类算法具有鲁棒性。提出一种新的视觉认知模型——VAWO(Visual Attention Weight Order)视觉焦点权重模型来进行特征建模。通过提取全局图像低层特征,结合图像分割结果,计算图像区域的VAWO,构建包含全局特征和有序的局部语义特征的组合特征,并利用机器学习分类算法进行图像分类检索。实验表明,利用此方法构建的特征向量进行图像检索,可以不依赖于任何外部的人工操作取得优秀的检索准确率,表现了模型的独立性。开发了基于语义的图像检索原型系统。用java语言分别开发了图像检索的桌面版本和web版本实现,并在Linux和Windows操作系统中验证。综上所述,本文提出了两种方法用来提高图像分类和检索的准确率,并且开发了检索原型系统进行应用实验,最后通过实验结果表明本文在图像分类和检索领域的研究意义和实用价值。