图像是因特网上内容的一个重要组成部分,它能够直接、形象的表达信息。随着数字照相设备和具有拍照功能的手机的普及,数字图像的数量正在急剧的膨胀。与此同时,图像信息的应用越来越广泛,人们对图像等多媒体数据的需求也越来越强烈。传统的检索技术,如基于文本的图像检索,已不能完全满足人们的要求。基于内容的检索方式,解决了图像自动索引的问题,但其使用的底层特征通常无法解释成人类能够理解的高层概念。近年来,基于语义图像检索得到越来越多的研究。本文首先介绍了基于语义关键技术,总结了图像语义提取算法在图像检索领域的应用,然后综合了几种语义提取算法的特征和借鉴基于内容图像检索的反馈技术提出新的语义更新策略。为了实现图像的高层语义特征的自动提取,本文介绍了支持向量机和朴素的贝叶斯在语义提取中的应用。针对前人使用1-v-r多分类SVM模型在语义提取中应用的缺点,本文应用了样本相差悬殊的SVM模型对它进行了改进,并采用算法时间复杂度比较高的1-v-1多分类模型进行图像语义库的构建。一方面,使用该分类模型从图像的底层特征自动获取图像的语义注释信息,跨越了“语义鸿沟”;另一方面,使用该分类器模型构建的图像语义库在基于语义检索系统中能有一个比较好的结果。另外,由于不同的用户对图像的理解不同,为了捕捉这种用户的不同理解,本文构建了一个可根据用户反馈进行更新的语义结构,并采用了一种面向用户的综合检索算法。最后,本文实现了一个图像管理和检索实验系统,并利用该系统进行了多种检索方式的实验,实验结果表明本文提出的综合检索算法能够提高图像的检索效率。