در دنیای واقعی رابطه ای قوی بین محیط و اشیاء وجود دارد که استفاده از اطلاعات مربوط به روابط اشیاء و صحنه نقش مهمی در فرآیند بازیابی شئ ایفا می کنند. یعنی زمانی که در یک صحنه شئ خاصی جستجو می شود، یک بیننده در موقعیت هایی از تصویر تمرکز می کند که بیشترین احتمال پیشین را برای وجود شئ مورد نظر دارا هستند. بنابراین متن صحنه برای تصمیم گیری درمورد حرکات بعدی چشم بسیار تعیین کننده است و زمانیکه اطلاعات ظاهری شئ به دلیل کوچک بودن شئ، شلوغی صحنه، وجود مانع و یا هر نوع ابهام دیگری برای بازشناسی آن کافی نباشد، می توان از اطلاعات متن تصویر مانند نوع صحنه و اشیاء دیگر صحنه برای بازشناسی شئ کمک گرفت. به منظور توسعه روشی دقیق برای بازشناسی شئ در تصاویر واقعی و با وجود اشیاء مختلف در این پایان نامه راه حل هایی ارائه شده است که بازیابی شئ را با استفاده از اطلاعات متنی یعنی اشیاء دیگر تصویر و تعداد آنها انجام می دهد و هدف بهبود دقت بازیابی شئ است.