1.一种用于图像检索的基于流形正则化的半监督排序学习方法，其特征在于，所述方法包括以下步骤：(1)从数据库或者初始基于文本的网络搜索结果中提取视觉特征组成图像样本集合；

(2)对所述图像样本集合按照与查询主题相关性的程度划分为三个等级2、1和0，2表示与查询非常相关，1表示一般相关，0表示不相关；

(3)计算未标注图像样本的伪相关等级信息yi；

(4)计算两个图像样本之间的距离；

(5)通过所述两个图像样本之间的距离构造拉普拉斯流形正则化项；

(6)通过所述拉普拉斯流形正则化项构造目标函数；

(7)求解所述目标函数获取各个图像样本的排序分数，把排序后的结果反馈给用户；

所述计算未标注图像样本的伪相关等级信息yi具体包括：

1)计算重构系数cij；

对未标注图像样本集合XU中的每一个图像样本xi，在标注图像样本集合XL中选择前k1近邻图像样本作为所述图像样本xi的近邻样本，所述图像样本xi由k1近邻图像样本重构所得到的重构系数cij：上述最小化有两个限制：1)若xj不是xi的k1个近邻点之一，则cij＝0；2)

2)通过所述重构系数cij计算伪相关等级信息yi；

通过每个未标注图像样本的所述重构系数得到重构向量ci；

ci＝[ci1,…,cil]，伪相关等级信息yi为：其中，yj是标注图像样本xj相应的标号，l+1≤i≤n；

其中，通过所述两个图像样本之间的距离构造拉普拉斯流形正则化项具体包括：计算两个图像样本之间的相似度Apq；

对任意两个图像样本xp、xq，若xp是xq的k2个近邻点之一或xq是xp的k2近邻点之一，则两个图像样本之间的相似度计算公式如下：否则， d(xp,xq)表示两个图像样本xp、xq之间的距离；

通过相似度Apq构造拉普拉斯流形正则化项；

其中，通过所述拉普拉斯流形正则化项构造目标函数具体为：T

s.t. wzt≥b-rt，t＝1，…，hrt≥0，t＝1，…，h

其中，zt＝xm-xr，xm、xr为标注图像样本中的任意两个样本，m和r的取值范围为

1,…,l，且xm比xr的相关性高，b为自定义常数，rt为松弛项，C为惩罚因子，t＝1,…,h；

w为投影向量。

2.根据权利要求1所述的一种用于图像检索的基于流形正则化的半监督排序学习方法，其特征在于，所述计算两个图像样本之间的距离具体包括；

1)当两个图像样本都是标注图像样本时，获取对应的相关性等级标号，计算两个图像样本之间的距离；

2)当两个图像样本都是未标注图像样本时，通过所述伪相关等级信息计算两个图像样本之间的距离；

3)当一个图像样本是标注图像样本，另一个是未标注图像样本时，通过相关性等级标号和所述伪相关等级信息计算两个图像样本之间的距离。