基于区域的图像语义自动标注是计算机视觉研究的基础任务和关键技术之一,在图像检索及图像理解等领域有着广泛的应用。本文以室外静态图像作为研究对象,研究了图像全局特征提取,局部特征提取及语义映射三个方面,建立一种尽可能准确的图像标注模型。论文研究内容如下:1)针对现有图像语义自动标注模型在图像全局特征提取时存在的图像分割不准确以及网格分块的局限性问题,提出了一种联合纹理、空间位置和Lab颜色信息的自适应多特征图像分割算法——GAMFS。该算法使用颜色、空间位置和纹理多重特征,解决了过分割和欠分割问题,并利用邻域内像素相似度的迭代更新自动获取阈值,提高了算法的自适应性,通过对标准图像库进行标注实验,证明该方法避免了分割不准确造成的全局特征描述不确切的问题。2)针对基于分割区域的特征提取在图像语义标注中准确度较低的问题,本文提出使用图像的局部不变特征对图像进行进一步描述,并针对现存局部不变特征提取算法存在的问题,提出了一种基于尺度不变的快速局部特征描述算法——Multi Resolution Wavelet Transform Descriptor。算法利用多尺度小波变换实现方向可变滤波,并利用强度、距离和方向可变滤波的联合分布建立描述子,降低了光照变换引起的不稳定性,解决了现有算法存在的维度过高,速度过慢的问题。3)为了解决标注中存在的语义鸿沟问题,提出一种自动图像语义标注框架,将标注分为图像处理、语义学习和语义标注三部分。其改进之处体现在两个方面:一是结合全局特征与局部特征,构建底层特征矩阵;二是建立低层特征与高层语义的关联矩阵,用归一化频率计算相似度,并提出基于经验熵的互信息方法解决矩阵的维数灾难问题。实验证明该方法较好的解决了标注准确度低和标注速度慢的问题。