随着信息技术的发展,信息数据呈现爆炸式的增长,其呈现形式也不断增多,由传统的文本表现形式逐渐扩展为图像、语音、视频等多模态的表现形式。多模态数据之间存在相互关联、相互补充的关系,丰富了信息的表现形式以及内容。传统的文本-文本之间的单模态的检索方式已无法适应丰富多样的信息数据,文本-图像、图像-视频等模态之间的交叉检索更符合当下人们的需求,进行跨模态信息数据之间的检索具有重要意义。跨模态检索面临的主要问题是多模态数据之间存在语义鸿沟,即不同的模态数据虽然表示相同的语义信息,但模态之间数据表现形式不同,维度差异大,难以直接进行模态之间的度量比较。本文针对这个问题,以文本和图像两种模态为研究对象（其它多种模态可类比推理）,从模态之间的高阶语义相关性入手,研究如何提高跨模态检索精度。主要工作内容和创新点有:（1）基于多模态数据的语义标注信息和对数据的稀疏结构要求,提出了一种基于高阶语义相关的子空间跨模态检索方法。该方法对多模态数据的语义标注信息进行处理,提取出高阶语义相关性,并引入L₂₁范数作为稀疏规则化算子以满足联合特征选择的需求。在语义相关性和对数据稀疏约束的前提下,将多模态数据映射到公共子空间,使异构的图像和文本数据映射为无维度差异的数据,从而可以进行直接比较,有效提高了跨模态检索精度。（2）在基于高级语义相关的子空间跨模态检索方法的研究基础上,提出了一种基于超图排序的子空间跨模态检索方法。该方法主要分为子空间映射和超图排序两个部分,在子空间映射部分考虑多模态数据的高阶语义相关性和稀疏结构化约束,超图排序部分利用超图能够描述多个目标的多种相关性的特性,综合考虑多模态数据模态内及模态间的相似性,进一步挖掘多模态数据之间的语义相关性。将超图排序和子空间学习结合,进一步挖掘跨模态数据之间的语义关联,能进一步提高跨模态检索精度。