随着互联网的普及，多媒体数据，特别是图像数据，正在以前所未有的速度成倍增长。如何有效地管理与检索图像已成为目前信息检索领域中的重要课题。由于基于内容的图像检索无法解决“语义鸿沟”(底层的视觉特征与高层的语义表达存在巨大的差异)问题，基于语义的图像检索正逐渐成为研究的热点。基于语义的图像检索的关键和难点在于基于语义的图像标注。本文回顾了图像标注的发展历程(基于文本的图像标注、基于内容的图像检索和基于语义的图像标注)及其各自的基本理论和优缺点，全面综述了基于语义的图像标注的研究现状。本文的工作主要体现在以下几个方面： 首先，提出一种基于去噪分层高斯混合模型的多概念图像标注方法。该方法主要包括低级特征的提取、图片的高斯混合模型表示、训练基于分层高斯混合模型的概念分类器、通过去除噪声高斯分量更新概念分类器和对图像进行多概念标注等过程。通过去除噪声高斯分量(对应与概念无关的图片区域)，让剩余的高斯分量(对应与概念相关的图片区域)来训练概念分类器，提高了图像标注性能。 其次，提出一种改进的概率潜在语义分析方法进行图像多概念标注方法。该方法主要包括低级特征的提取、视觉词汇表的构建、基于概率潜在语义方法的图片语义提取和用K-最近邻方法对图像多概念标注等过程。在视觉词汇表的构建过程中，通过利用分层高斯混合模型聚类方法代替K-均值聚类方法，提高了图像标注性能。