随着互联网的不断发展及移动终端的兴起,网络中的图像数量呈指数级增长,图像数据大规模的增长对图像理解处理技术提出了更高的要求。如何准确地对这些图像数据进行归类和检索,一直是学术界关注的焦点。目前比较成熟的检索方法主要是基于文本的图像检索,用户通过输入语义关键词查询,搜索到自己想要的图片。但是由于“语义鸿沟”的存在,图像底层特征一般难以直接地表征图像的内容,及其包含的高层语义信息。为了更好的缩小“语义鸿沟”,图像标注技术应运而生。图像自动标注技术能够很好地从图像内容中理解得出高层语义信息,获取图像信息关键词,对图像进行自动标注,因而图像标注技术成为图像检索的关键。为了提高图像标注的准确率,本文的主要工作如下:(1)提出了一种纹理增强的图像分割算法,并将本算法应用到图像自动标注模型中。该方法采用JSEG图像分割方法的思想,但是JSEG图像分割方法只考虑了图像的颜色特征,而单一的颜色特征不能完整地表达图像的特征信息。基于这种不完备性,本文提出了一种基于纹理增强的图像分割方法,将小波纹理、LBP纹理特征与颜色特征地结合,通过实验验证该方法提高了图像分割的效果,同时将该方法用于图像标注模型中,实验数据表明,该方法也提高了图像的标注准确率。(2)本文设计并实现了一个图像自动标注系统。系统首先对图像进行分割,获得每个特征区域的底层特征信息(每个区域用一个特征向量表示),然后建立底层特征信息与高级语义之间的映射关系。本文采用分类效果好的支持向量机(SVM)作为分类器,对样本特征数据集建立训练模型。标注过程首先对待标注图像进行分割,然后利用训练好的分类模型对各区域的底层特征进行分类,通过查询底层信息与高级语义之间的映射关系,获得每个区域的高层语义信息,从而实现整幅图像的自动标注。