目前基于内容的图像检索(CBIR)系统在图像的低层特征与图像的高级语义特征之间还存在着较大的鸿沟,本文针对此问题,提出了一种基于迭代logistic回归和贝叶斯(Iteration Logistic Regression and Bayesian, ILRB)算法的相关反馈机制的图像检索方法。着重研究了基于内容的图像检索中图像特征向量内部分量的分布模型及图像的后验概率的预测问题,构建了一套完整的图像检索方案,并实现了相应的系统。实验结果表明,本文提出的方案较好地缓解了目前检索系统存在的语义鸿沟问题。本文论述了以下两方面的问题:第一,建模特征向量的内部分量。人们在观察图像时往往从语义出发,而颜色,纹理和形状等底层特征和图像的语义没有直接的联系,一些特征可以反映部分语义,而一些特征与语义无关。因此,图像特征以及基于特征计算出来的相似度并不能很好地体现人对图像的感知,针对这个问题,本文提出了迭代logistic回归(Iteration Logistic Re-gression, ILR)模型来建模图像特征向量的内部分量,它根据用户的选择来更好的确定图像特征的选取(调整特征向量里各个分量的权重),使系统自动的来调整特征,较好的缩减了图像底层特征与高层语义之间的差异。第二,建模特征空间。使用高斯分布来建模图像数据库中每一类图像的特征空间,采用Bayesian决策理论来得到它们的后验概率,并在此基础上估计数据库中图像的预测概率,最后根据预测概率对下次反馈结果进行排序。