计算机技术、多媒体技术以及INTERNET技术的飞速发展产生大量的图像信息，因此如何有效、快速地从大规模的图像数据库中检索出需要的图像是一个目前急需解决的问题。基于内容的图像检索技术和基于语义的图像检索技术正是解决这一问题的有效途径。前者研究的是根据自动获取的图像低层特征，从图像数据库中检索出相关图像；而后者研究的是如何从多种渠道获取图像语义信息，并且根据语义检索相关图像。 基于内容的图像检索克服了文本检索方式主观片面的缺陷，客观的描述了图像的本质特征，然而却丢掉了文本方式下对图像的语义描述，导致检索准确率降低。 本文提出了一种在获取图像低层视觉特征的基础上，利用语义网络对图像进行语义自动分类，并在此基础上引入相关反馈技术，使图像的低级物理特征和高级语义特征联系起来的算法，通过人—机协同工作，来弥补计算机理解能力的不足，不断提高检索效果。基于语义检索及反馈机制的图像检索关键技术是基于内容图像检索技术从初级向高级跨越的重要标志。因此，本文的研究在学术价值和实际应用方面都具有重要意义。 本文所做工作如下： 首先研究图像的低层物理特征，由于颜色特征具有一定的稳定性，其对大小、方向都不敏感，故本文提取颜色特征来描述图像。采用基于区域的颜色特征提取方法克服了目前CBIR系统中广泛应用的一些利用颜色直方图、颜色矩等不能表达图像空间信息的缺点，综合考虑了图像的像素统计特征和空间位置信息同时节省存储空间和计算时间。 充分引入人—机交互技术，通过对用户反馈信息的学习，一方面可以把误归类的图像正确归类，另一方面调整语义网络的权重系数来不断提高检索效率，直到返回用户满意的查询结果。 提出了高级视觉特征的语义查询，在图像库上构建一个可扩展的语义网络，利用一种基于用户相关反馈的机器学习策略来改进这种语义网络，以解决低层特征向高层语义特征的过渡问题，使检索能够体现高层次语义属性，提高了检索效率。 设计并实现了一个支持语义图像检索的模型系统，通过该系统进行的一系列实验证明了本文检索算法和关键技术的有效性。