伴随着互联网技术和多媒体技术的飞速发展，图像的数量呈几何级增长，如何从不断增大的数据库中快速准确地检索到所需图像显得越来越重要，这就是图像检索。图像检索主要分为基于文本信息的图像检索和基于内容的图像检索。　　 目前，因特网上的图像检索主要是采用基于文本信息的图像检索方法，它通过对图像周围相关文本的分析，自动获得图像语义信息。但是，这种检索往往因为网页内容的随机性导致完全不相关的图片语义。基于内容的图像检索是利用图像自身的颜色、纹理、形状等特征进行图像的相似度匹配，但这种方式往往缺乏人对图像主观感知的语义概念。如何将两者有机的结合是目前解决图像检索的有效途径。　　 本文提出一种在基于外部信息提取的初始化的语义网络下如何有效结合图像内容自动地进行综合检索的方法。参考人类认识和分析事物的过程，通过自动分析图像低层特征，如颜色、纹理、空间关系等，优化HSV颜色空间下的区域生长结果，更准确地分割了图像的主体区域和背景区域，并分别提取特征向量；通过分析多个图像主体区域特征向量的共性，建立针对主体语义的特征向量，计算特征的权重，并采用多区域的相似优先匹配，从而提高检索的准确率。之后对相关反馈进行一定的研究，针对大多数人的感观，基于多用户投票的长期反馈思想，优化语义描述下特征向量的选择和表示，并建立低层多特征与高层语义的反馈结合，优化图像的关键词标注，使检索符合大多数用户的要求。