在当前的国内公共安全领域中,基本上仍然采用纯手工的方式对刑侦现勘图像进行标注,这种方式不仅效率低下,并且带有强烈的主观性,针对这一现状,本文在阅读大量国内外参考文献的基础上,围绕图像特征提取和语义标注,提出了一些自己的改进方法,期望能够实现刑侦现勘图像的自动语义标注,减轻公安干警的工作强度。首先深入研究了颜色和纹理两种底层的图像特征,在这两种特征的基础上,通过加入不同的权值系数,提出了融合的特征提取算法。经过大量的实验,将实验结果中表现最好的权值作为融合特征提取算法的参数,以之为基础,借鉴图像分类思想,将图像语义标注问题转化为图像分类问题,通过特征直方图相似度对比的方式实现图像分类,进而实现刑侦现勘图像的语义标注。实验结果表明,融合的特征算法比两种单独的特征算法对于图像语义标注准确率有明显提高。然后对SIFT和SURF特征进行了研究,针对SURF特征在图像的尺度和旋转变化方面表现不够理想的情况,借鉴SIFT特征的思想,以SURF特征为基础,结合高斯金字塔模型,提出了 GP-SURF特征提取算法。核心思想是在尺度空间构造阶段采用图像尺寸改变的高斯差分金字塔,模拟人眼由远及近视物这种图像尺度改变的情况,期望能够克服图像尺度和旋转变化的影响,改善刑侦现勘图像的特征表示。实验结果表明,GP-SURF特征明显提高了刑侦现勘图像的语义标注准确率。接着深入研究了词袋模型,借助这一模型,将提取的图像特征采用一种聚类算法进行聚类,构成视觉单词,视觉单词的集合组成视觉词典,然后通过支持向量机对其进行训练,得出各类图像的分类超平面,接着以两两比较的方式构造了支持向量机分类器,通过这个分类器对图像进行分类和标注,从而实现了一种图像语义标注模型。通过实际的实验过程,验证了该图像语义标注模型的有效性。最后设计实现了一个“案件图像管理与检索系统”,将提出的颜色和纹理融合特征与GP-SURF特征再次融合,得到再融合特征HL-GS,以此特征为基础,通过再融合特征语义标注模型实现了刑侦现勘图像的语义标注,并且将其应用到了“案件图像管理与检索系统”中的图像语义标注模块和图像检索模块。