随着网络技术和电子技术的发展,图像数量呈井喷式增长。如何从网络或者特定图像库中有效地获取合适的图像来满足人们的需求显得尤为重要,成为当今的研究热点。目前,图像检索领域主要有三种方法:基于文本的图像检索(TBIR)、基于内容的图像检索(CBIR)和基于语义的图像检索。如上所提到的TBIR系统中,需要依靠人工理解标注图像关键字,由于标注过程中的人工主观性,使基于文本的图像检索方法的检索效率和准确度都有待提高。为了克服TBIR检索过程中存在的局限性,提出了CBIR方法,即基于内容的图像检索。基于内容的图像检索方法通过提取图像的底层特征并且采取一定的方式进行处理,这些特征包括能够对图像进行信息表示的颜色特征、纹理特征、形状特征和空间关系特征。检索的基本方法主要是由用户输入一幅图像,提取图像的底层特征并且与图像库中的图像进行相似度计算,根据相似度优先排序,输出最为相似的即为检索结果。在基于内容的图像检索中全局特征和局部特征的结合运用对检索效果有很大的帮助,图像分割在局部特征的提取过程中发挥了很大的作用。本文主要研究了基于全局和局部特征的图像检索方法,主要工作如下:1.基于特征关联融合的图像检索方法基于特征关联融合的图像检索方法主要是一种基于颜色和纹理特征相互关联融合的图像检索新方法。在该方法的应用过程中首先进行颜色空间的转化操作同时非等间隔量化HSV颜色空间,以便提取图像的颜色特征,后利用Gabor小波提取图像的有效纹理特征。同时对图像类别进行简单的划分,针对内容分布简单的检索图像,采用图像底层特征串行关联方法;对于内容分布复杂的检索图像,采用基于典型相关分析(CCA)处理图像底层视觉信息进行特征并行关联,最后通过对颜色特征和纹理特征间的有效融合进行检索。实验结果表明方法可行。2.基于全局和局部特征的图像检索方法基于全局和局部特征的图像检索系统可由以下步骤描述:图像的分割、图像的全局特征和局部特征的提取与计算、特征间的相似性度量、依据检索结果相似性优先排序。其中,图像的全局特征和局部特征的提取和计算是检索流程中的关键环节。为了能够更好的实现各种特征在图像检索过程中的优势,全局特征方面采用的是全局颜色直方图和小波纹理特征,局部特征方面采用的是遍历局部颜色直方图,对所有图像块间的相似度进行遍历计算并且综合颜色特征和纹理特征进行加权融合,通过度量特征间的距离对图像对进行打分排序,进而实现图像检索。