随着Internet技术、多媒体技术的发展,图像信息应用越来越广泛,人们对图形、图像等多媒体数据的需求也越来越强烈。图像检索技术逐渐成为目前的研究热点,传统的检索技术,如基于文本关键词的图像检索,已不能完全满足人们的要求,基于内容的检索方式的出现,解决了图像视觉特征所代表的特征语义,但不能完全解决高层语义的图像检索。在图像理解和相关领域知识指导下的基于语义的图像检索技术能更好地满足人们的需求,它代表着图像检索的发展方向。论文首先介绍了图像检索技术的发展和研究现状,主要研究了提高图像语义学习有效性来进行语义提取的方法。在底层特征层,进行特征选择,选出对学习分类有效的特征,并用支持向量机进行了学习验证;对支持向量机在多类分类器中的应用,发现了一种时间和空间复杂度都相对较低、学习效果好的基于特征选择决策树的多类分类器构造方法并进行了实验;对学习结果的评价标准研究,提出了一种新的扩展评估方法,该方法考虑到了综合考虑了查准率、查全率、精确度,使选择的分类器在整个图像语义空间能更好、更准确表达图像的语义。论文建立了一个基于语义的图像检索实验平台,主要是作为分类特征选择算法和语义学习(提取)算法的实验平台,是一个实验性的框架系统;论文介绍了系统提供的各种功能、以及查询手段,并给出了部分实验数据。