随着网络和多媒体技术的发展，出现了众多的图像数据库，且图像数据库的图像数量也在急剧地增加。用户越来越迫切地需要对大型图像数据库进行检索。基于内容的图像检索技术（CBIR）得到了蓬勃发展，但是传统的CBIR系统没有考虑图像的语义信息。另一方面，由于特征维数高，运算复杂度高，从提高检索精度或分类正确率的角度而言，都不可能将所有提取的特征都能用于检索或分类。因此，对图像语义特征进行分析和选择成为这一领域最前沿的研究热点之一。基于分类器的分类错误率和类内类间距离测度是常用的图像特征分析和选择的方法。但是基于分类错误率的方法在实际运用中运算复杂，且特征分析的结论依赖所选择的分类器的种类，而用距离准则分析图像特征的方法没有考虑各类的概率分布，不能确切表明各类交叠的情况。 鉴于此，本文提出从信息论的互信息概念出发，详细深入地分析多种语义类别的图像特征间的互补或冗余关系以及特征的鉴别力，确定特征的选择和拒绝条件。该方法理论基础强，从特征含类别的信息量的多少来分析特征的鉴别力，表达了图像特征与类别之间的内在联系，并且不依赖于分类器，与类别的分布情况也无关，推广性和实用性都较强。 本文首先介绍了基于内容的图像检索技术的发展现状、系统构架以及关键技术基础。针对传统CBIR技术的不足，介绍了基于语义的图像分类技术。详细阐述了图像语义特征的提取方法。 在提取多种图像语义特征的基础上，提出采用互信息的方法分别研究单一的语义特征和多种特征组合的鉴别力，并分析特征之间的互补或冗余关系，从而进行特征的选择。基于分类器分类错误率和欧氏类内类间距离的实验结果均反映了使用互信息进行特征分析和选择的这种新方法的正确性和有效性。研究确定的针对风景/人物类别的最佳特征是HSV颜色直方图+Luv颜色聚合矢量+Tamura纹理特征的组合特征，针对室内/室外类别的最佳特征是改进的Lab颜色矩+Luv颜色聚合矢量的组合特征，针对建筑物/风景类别的最佳特征是边界方向聚合矢量。将这一分析结果应用到一种分等级的图像数据库的简单语义分类，其分类正确率达到82.17％，这进一步说明了用互信息对图像语义特征进行分析和选择的重要意义和作用。