随着智能手机、数码照相机和摄像机等数字设备的普及,互联网和大容量存储技术的迅猛发展,海量图像呈现在互联网上,如何表示图像中的视觉内容进而对其进行分析和理解就成为一个亟待解决的研究问题。由于“语义鸿沟”的存在,传统的无监督的视觉特征提取方法不能很好地满足图像理解的要求。针对该问题,本文研究了有监督的图像视觉特征分析和提取方法,在视觉特征提取过程中加入了包括高层语义概念在内的监督信息,从而将视觉内容与具体的语义内容相结合。论文在图像的不同层次上设计视觉特征提取方法。在图像像素(兴趣点)层次上,本文提出了一种基于兴趣点语义嵌入的视觉词典构造和中层特征提取方法,在局部兴趣点生成全图描述特征的过程中,加入了图像标注上带有的语义信息。相对于无监督的方法和其他有监督的方法,该方法能够提升图像分类任务的精度。在图像像素(兴趣点对)层次上,本文设计了一类表示局部兴趣点对信息的中层特征,该特征在传统的基于兴趣点的特征基础上考虑了兴趣点对之间的相对位置关系,对图像具有更好的区分能力。在此基础上，本文进一步使用特征语义选择方法对兴趣点对相关特征进行维度选择,增加了特征的紧凑性和对监督信息的表示能力。在图像局部区域的层次上,本文提出了一种基于图像局部模板的有监督特征提取方法。该方法利用图像数据训练大量对描述图像有重要意义的局部模板；对于一张需要提取特征的图像,计算每个模板在图像上的响应情况,并利用响应值构成特征。该方法充分考虑了不同物体部分所带有的视觉内容,保证了特征具有较强的描述及区分能力,在场景识别、事件检测数据集上取得了很好的分类效果。在全局图像的层次上,本文提出一种基于属性相关性和语义空间的视觉表示方法。该方法不仅考虑了属性与属性两两之间的关系,还利用多个属性的共生性构造了一种属性主题特征。实验表明,该方法可以有效地提高高层语义提取任务的结果。