随着现代计算机技术、网络技术、多媒体技术的飞速发展,以及语义Web技术的提出,网络已经成为我们学习的重要平台。同时多媒体数据的急剧增长,尤其是数码相机和手机照像的普及,图像信息的数量正在迅速增长。由于图像能够形象、直接的表达信息,给人的印象非常深刻,所以图像成为网络学习资源中不可缺少的内容。图像信息越来越广泛地应用在互联网上,学习者对图像等多媒体信息需求剧增。若要在如此庞大且瞬息万变的网络中获取所需的图像信息,如果没有一个有效的检索工具的协助,用户将非常困难地找到所需图像,只有盲目地浏览每个可能相关的图像进行查找,使学习者必将花费许多网络费用和时间。目前,学习者一般只能通过传统的基于关键字的搜索方式对图像进行搜索,己经不能完全满足学习者的要求。为了提高图像检索效率必须提供一种行之有效的检索技术。而对于基于内容的检索方式,虽然解决了图像自动索引的问题,但其使用的底层特征通常无法解释成人类能够理解的高层概念。近年来,在信息检索领域,本体理论引起了越来越广泛的研究。本文首先介绍了网络学习资源、语义Web和本体的知识的相关内容,分析了本体在图像检索领域应用的相关研究,然后构建了一个通用的、能够全面描述图像的本体模型,我们可以利用此本体模型描述图像各方面的语义特征。另外,本文介绍了支持向量机基本理论,主要是为了实现自动提取图像的高层语义特征,并且利用支持向量机将图像的底层特征映射到本体中的高层语义概念,从而实现从图像的底层特征自动获取图像的语义注释信息。本文最后,实现了一个图像管理实验系统和基于本体图像检索实验系统,并利用该系统验证了两种检索方式的效果,从实验的结果看出,本文提出的改进检索算法大大提高了图像的查准率和查全率。