随着英特网的发展,数字摄影的流行,公共媒体共享站点(如Flickr,YouTube等)的出现,网络社区贡献的多媒体资源与日俱增。这些资源信息拥有不可估计的深度和广度,给多媒体研究带来了新的机遇和挑战。如何从这些资源信息中分析、理解并且挖掘出通用模式以及如何利用这些网络社区贡献的非结构化组织的并且不受限制的媒体资源来提炼出“语义知识”已经成为一个新的研究课题。针对上述问题,本文提出了一个新颖的研究课题,即地区代表性图像的选出。通过利用大规模附有地理标识的图像资源库,为世界范围内不同地区的事物对象类别选出有代表性的图像,这对人们理解同一类事物在不同地区表现出来的差异性具有重要的现实意义。本文具体的研究工作主要包括以下几个方面。首先对基于内容的图像收集进行了深入研究,旨在为一般事物对象语义类别构建出一个丰富的图像资源信息库。在图像收集上,本文提出了基于内容的图像视觉特征聚类分析方法,利用融合的图像全局颜色特征和局部Bag-of-visual-words特征,对视觉无关联图像进行了有效的过滤,进而得到与事物对象类别最相关的图像集。然后,重点讨论了在对象分类识别中应用广泛的概率潜在语义分析(Probabilistic Latent SemanticAnalysis,PLSA)模型。最后,利用此模型分析方法,基于之前收集到的图像资源,针对生活中几类比较流行的事物对象类别,实现了其在典型地区有代表性的图像的选出。本文的研究成果对如何有效的利用网络社区贡献的大规模媒体资源库提炼出语义知识来帮助人们更好的理解现实世界提供了一个新的研究思路,具有一定的理论意义和应用价值,为图像分类识别技术及其应用,提供了有益的方法和手段。