多媒体信息检索中的图像检索问题一直是研究领域中的热点。90年代初，人们提出了基于内容的图像检索方法(Content-based Image Retrieval，简称CBIR)。该方法摒弃了传统手工给图像标注文本关键字的方法，直接根据图像的视觉信息来进行检索，节省了手工标注非常昂贵地开销。但是基于内容的图像检索方法也有着明显的缺点，它需要用户提供一幅样例图像或是描述图像的视觉特征，如各颜色分量的分布。与传统的关键词检索相比，用户使用检索系统的复杂性大大增加了。 图像语义的自动标注的提出就是为了克服人工标注的高代价低效率以及CBIR系统的复杂性这两个问题，但是图像底层视觉信息与其所蕴含的上层语义信息并不存在显式的映射关系(简称“语言鸿沟”)，这一问题就是图像语义标注领域的核心问题。 图像语义自动标注方法一般通过对一组已人工标注关键字的图像训练集，来学习文本关键词与图像视觉信息之间的关系。本文的方法首先把训练集图像分割成区域，每个区域用一个特征向量来表示，然后我们采用一种基于熵最小化的决策树特征离散方法来得到离散的视觉特征(视觉单词)，建立视觉单词库，用视觉单词来描述图像的视觉信息。提出图像文档模型的概念，以图像、区域、视觉单词三层结构的方式来表达一幅图像，在此基础上使用文本检索中的向量空间模型进行图像的自动语义标注。 在通用的5000幅实验图像上进行的对比实验显示，该方法的标注性能明显超过了Co-occurrence模型，CMRM模型，Translation模型等已知的基于离散化方法的图像标注模型，标注的时间开销明显小于连续模型CRM。