由于图像数据的爆炸式增长,人们对有效的图像检索算法的需求日益紧迫。基于内容的图像检索技术使用从图像中提取的特征描述来进行检索,不仅节约了人工标注的成本,而且使检索结果更加客观。但是仅仅使用特征的相似性进行检索,没有对图像数据之间的复杂多元关系进行建模,使得图像低级特征和高级语义之间的差异明显,检索结果不如人意。当检索图像背景复杂时,用户更关心的部分容易被忽略,导致检索性能不佳。基于以上分析,本文提出了融合视觉显著性与超图的图像检索算法,主要贡献如下:提出融合视觉显著性与超图的图像检索算法。利用超图结构强大的数据建模能力,拟合数据之间的复杂多元关系,使得检索结果更加准确。视觉显著性算法是对人类视知觉系统的模拟算法,通过视觉显著性的计算,增加显著性区域特征在检索过程中的权重,使检索结果更加符合用户的期望。本文分别构建全局超图和显著性超图,并将问题转化为超图分割问题后,通过对全局超图的图结构损失与显著性超图的图结构损失进行组合权重的相加,实现视觉显著性与超图的融合。为利用每种特征的优势,迭代优化检索图像与数据集中图像的相似性向量和超图融合的权重向量。实验结果表明,融合视觉显著性与超图的图像检索算法在检索准确率上,高于使用特征相似性的算法和只使用超图结构的图像检索算法。由于迭代优化过程处于在线检索阶段,会影响在线检索阶段的计算速度。为加快系统的响应速度,引入多特征融合算法,将多特征的融合过程转移到离线学习阶段,保证了检索系统的性能。实验结果表明,将多特征融合过程转换到离线阶段后,算法保持了较好的检索性能,并且在线检索阶段的检索效率有了很大的提升。最后使用本文提出的融合视觉显著性与超图的图像检索算法,实现了基于B/S架构的图像检索系统。