随着互联网图像资源的爆炸式增长,用户对图像检索结果多样化的需求愈发强烈。为满足用户的图像检索多样化需求,研究者们利用图像视觉特征进行检索多样化,但图像视觉内容自身所拥有的语义信息较弱,且视觉特征与高层语义之间存在语义鸿沟,在以检索词为查询的图像检索多样化中有较大局限性。而基于上下文的图像检索多样化目前集中于图像标签研究,对图像语义距离在图像检索多样化算法中的应用研究不够深入,效果也有较大的提升空间。针对图像语义距离在图像检索多样化中的应用,本文开展了进一步研究。通过对比不同语义距离与图像多样化思想融合后的算法效果,获得更优的图像检索多样化算法。本文的研究数据集来自NUS-WIDE图像数据集,在其基础上对检索词进行筛选,选出场景类检索词、对象类检索词、其他检索词共计29个。并对每个检索词的相关结果集人工进行子主题标注,检索词的相关结果集由TagIR计算得出。在这些基础工作之上,本文的研究任务主要包括:图像语义距离计算、图像多样化重排序、图像检索多样化效果的多维度分析。针对图像语义距离计算任务,本文共选取了 3种常用的语义距离算法,分别是WordNet语义距离、ESA语义距离和Google Distance。针对图像多样化重排序任务,本文分别从隐式多样化重排序和显式多样化中选出代表性的算法来进行处理。隐式多样化重排序选择了 MMR算法和基于Score Difference的DivScore算法;显式多样化算法选取了 xQuAD算法。针对检索多样化结果分析任务,本文采用CR@X指标从3个不同维度对图像检索多样化结果进行分析,分别是语义距离维度、多样化重排序思想维度和检索词类型维度。分析结果表明WordNet语义距离、DivScore重排序算法以及场景类检索词分别在各个维度上表现最佳。总体而言基于WordNet语义距离的DivScore算法表现最好,也最为稳定。