计算机技术和多媒体技术的飞速发展导致了大最图像信息的出现,如何快速、有效地从海量图像数据库中检索出感兴趣的图像是目前的研究热点。本文研究了基于本体的图像检索技术,主要的研究工作如下:　　 (1)提出一种半自动的本体构建方法,使用本体构建工具人工的构建出本体的基本架构,利用基于平行模糊推断机制的本体学习的方法来实现本体中概念的扩充和完善,有效改进了本体建立的不确定性和不完整性。　　 (2)提出了基于CRF和BOF的图像基元提取方法。将图像分割问题描述为基于MAP-CRF框架下像素点的最优标注问题,利用吉布斯分布将其转化为能量函数的最小化问题,利用Graph Cuts组合优化算法来求解能量最小化问题。为了更好地提取边界信息,对CRF模型的势函数作了改进,引入Jensen-Shannon离散度作为条件随机场中的边缘能量项。考虑到计算的复杂性,利用分水岭算法对图像进行预分割处理。对分割出来的图像区域利用BOF来实现图像基元的提取。　　 (3)提出一种新的图像本体标注的框架,结合领域本体采用二次标注方法自动标注图像的语义。应用统计学习的方法建立语义概念和基元类的关联概率,根据贝叶斯原理计算待标注图像与本体概念的后验概率,取后验概率较大的概念作为图像的第一次标注;再结合领域本体中概念之间的语义关系,对图像进行二次标注方法,获取图像的高层语义概念,从而实现待标注图像语义的自动标注。　　 (4)提出了一种基于空间金子塔编码的图像局部特征相似度快速计算的方法,即通过PCA-SIFT提取中低维度特征点,利用金字塔匹配思想对特征空间进行多分辨划分,对每个SIFT特征点进行二进制编码。检索时,通过计算示例图像与图像本体库中的所有图像的SIFT特征编码、语义特征和本体概念的综合相似度,获得K个最相关的结果图像。