近十多年来,随着数字技术的迅速发展,每天都有来自不管军用还是民用数以亿计的新的图片产生。为了有效地利用这些信息,我们就不得不找到一种可以有效浏览、搜索及索引这些图像的管理组织方式。一般的图像检索可以分为两类:一类是基于语义的,一类是基于内容的。一个基于语义的图像检索,即用户可以通过一些图像附加的诸如标题、关键字或者描述符的文本信息,利用文本匹配的方法得到想要的图像。例如用户键入关键字“房子”,系统返回所有标注有“房子”的图像。然而由于传统的标注方法一般是人为对图像进行文字标注,其效率相当低。另一个是基于内容的图像检索,即用户可以通过一些图像内在的诸如颜色、纹理或者形状等的特征信息,利用特征向量匹配的方法得到想要的图像。例如用户给与系统一座房子的轮廓图,系统返回所有与该图特征向量较为近似的图像。然而由于现有技术的局限,一个基于内容的搜索有时很难为用户找到他真正想要的图像。在本次的毕业论文中,我们将提出一种新的半自动图像标注框架。有这样的一个用户场景:用户输入关键字查询想要找的图像,系统根据基于语义的方式返回搜索结果。用户对当前显示的搜索结果根据自己的信息需求给出他们是否相关的判断反馈给系统。系统对反馈得到的图像做基于内容的搜索,并将结果图像与其对应的标注作相应的调整。这就是一个基于图像语义和内容的半自动标注系统的简要流程。通过这样的一个搜索-反馈的循环过程,数据库中图像标注的覆盖率和准确率都将会逐步地得到提高。这样的一个算法,与基于语义的搜索相比,效率更高,与基于内容的搜索相比,精度更高。此外,我们还将此算法实际地应用到了本次毕业设计的作品Image Annotation 1.0中,并得到一个较为满意的试验结果。