基于语义对象的图像检索是基于内容的图像检索的发展方向是也是人类理想的图像检索方式，但是由于存在如图像分割、对象识别等诸多尚未解决的关键问题目前尚无稳定可靠的研究成果。为向语义对象检索这一理想目标靠近，需要寻找一种可实现的但具有一定语义内容表达能力的检索匹配基元。　　 本文对基于内容的图像检索的研究进展、相关区域分割技术进行了系统地探讨，在对人类视觉注意机制研究的前提下，提出一种介于低层特征一致区域和高层语义对象之间的中间层图像内容表示——感兴趣区域，并提出一种结合边缘与区域信息的感兴趣区域无监督分割方法，同时应用模糊系统理论对算法进行改进以提高分割精度。在对图像低层视觉特征进行深入分析并实验的基础上，提出一种基于感兴趣区域的图像检索框架，将感兴趣区域作为检索匹配基元，忽略或弱化背景区域对检索匹配过程产生的负面影响，提高查准率和查全率；提出一种基于感兴趣区域的图像模糊概念标注方法，该方法运用模糊模式识别理论，利用少量的训练样本图像建立模糊概念模板并结合关键字创建语义概念，对数据库图像进行自动标注；提出一种基于语义对象网络的图像数据模型，运用面向对象方法定义三类数据对象，将图像的物理属性、低级视觉特征和高级语义信息结合起来，并定义三类语义关系以解决语义描述的不完整性，设计并开发了一个验证各种不同检索匹配基元和匹配方案检索性能的图像检索实验平台。