提出一种基于最大间隔原理的半监督图像搜索重排序学习算法。所提算法在最大间隔原理框架下，首先利用超图正则化保持标注及未标注样本在原始空间中的局部近邻关系，增强算法的稳健性；其次，利用少量的标注样本构造优先关系对，将样本间先验的相关性等级信息引入目标函数中以更好地指导重排序模型的学习。在公开数据集MSRA-MM 1.0上的实验结果表明所提方法能更好地将符合用户需求的结果靠前优先呈现给用户，提高搜索的准确性。