基于内容的图像检索技术是近年来研究的热点之一,它试图通过提取图像本身固有的视觉信息来表达、识别和理解图像的内容,并按照相似性度量的方法检索图像。但是人对两幅图像的相似性理解和计算机对两幅图像的相似性理解往往不一致,也即人类高层语义概念和图像的底层视觉特征间存在着差距,导致系统的检索结果令用户不满意。相关反馈技术是人机交互机制中的一种,通过人机协同工作,来弥补计算机理解能力的不足,有效地缩短了用户的高层语义概念同图像的底层视觉特征之间的差距,从而大大提高了系统的检索精度。本文主要对图像检索中的相关反馈技术进行了研究,在此基础上从机器学习的角度出发,提出了一种基于RBFN的相关反馈算法,做出以下主要工作;(1)深入研究了相关反馈技术。对相关反馈技术的思想、交互过程和用户度量模式等进行了深入研究,在此基础上提出了一种三级相关反馈方法;相关、模糊相关和不相关。这种三级相关反馈方法极大地方便了用户对检索结果的标注。(2)研究了图像颜色特征提取。在分析颜色直方图的基础上,提出了一种分块颜色直方图特征提取方法。该方法将图像划分成不均匀的3×3块,分别提取每块的颜色直方图,结合了颜色与其空间分布信息。实验结果表明,该方法能够有效地表达图像的颜色特征,检索结果优于全局颜色直方图法。(3)提出了一种基于RBFN三级相关反馈的图像检索方法。用户对初次检索结果标注为;相关、模糊相关和不相关,并将这些信息反馈给系统;系统根据这些信息初步建立起RBFN的网络结构;采用梯度下降方法进行在线学习,优化网络;然后进行检索。实验结果表明,该反馈方法是有效的,用户能够在较少的反馈次数中得到满意的检索结果。(4)设计实现了一个具有相关反馈技术的基于内容的图像检索实验系统,通过该系统对本文提出的算法进行了有效性验证。通过上述工作,本文从理论上和实验上证明了本文所提算法的有效性,使相关反馈技术在图像检索和图像理解领域发挥更大的作用。