随着网络的逐渐普及以及多媒体技术的发展,在科学技术、生产实际和日常生活中不断地产生大量的图像数据。如何从海量的图像信息中快速、准确地检索出用户需要的信息,以便于图像管理和应用,已成为人们关注的问题。基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)利用图像的底层视觉特征(颜色,纹理,形状等)代表图像的内容,而由于这些视觉特征与人对图像的理解之间存在很大的差异,因而CBIR的检索结果并不令人满意,基于语义的图像检索(Semantic-Based Image Retrieval)成为图像检索发展的必然趋势。本文首先阐述了图像检索技术,介绍了支持向量机(Support Vector Machine,SVM)的基本原理和应用,然后提出了一种新的图像注释方法,并在此基础上实现了基于语义的图像检索。论文的主要研究成果有以下几点:1.实现了基于支持向量机的图像分类。由于图像数据库中有多个语义类别,首先为每一类图像训练一个二分类SVM,然后利用多类分类策略为图像构建一个多类分类器,并用其对图像进行分类,实验结果显示图像分类的准确率较高。2.提出了一种半自动图像注释的新方法,即在对图像库中的一部分图像标注了关键词之后,利用算法自动注释图像库中剩余的图像。具体过程是:利用最近邻方法,结合图像分类的结果,将关键词从已注释图像传播给待标注图像。本文算法实现的图像注释准确率高,结果令人满意。3.论文最后实现了基于关键词的语义图像检索。在图像注释之后,每幅图像都由描述图像语义的关键词表示,要从图像库中找出含有某个特定语义的图像,本质上就是从图像的标注关键词中查询出含有描述该语义的关键词。结果表明,本文提出的语义图像检索的准确率和查全率都比较高。论文最后对本文的工作做了总结,并提出了进一步研究探索方向。