本文针对目前基于内容的图像检索(CBIR)系统在图像内容表示方法方面存在的局限性,探讨了基于内容的图像检索技术中若干个重要问题,提出了一种基于注意力驱动模型的图像检索方法,着重研究了基于内容的图像检索中图像分割以及显著区域的提取问题,构建了一套完整的图像检索方案,并实现了相应的原型系统。实验结果表明,本文提出的方案合理地解决了目前基于内容的图像检索系统中所存在的局限性。在概括地介绍了基于内容的图像检索的研究现状和发展趋势以及关键技术的基础上,本文着重论述了图像中显著区域的提取问题。目前基于内容的图像检索系统大多采用基于全局、半全局特征或基于区域的特征。这样占有图像大部分的背景信息往往决定了检索结果,误导用户对检索结果的理解。本文在研究了基于区域的图像检索技术的基础上,进一步提出了基于注意力驱动模型的显著区域提取方案,该方法首先使用期望最大化算法(EM)对图像进行粗分割,然后使Itti-Koch视觉注意力计算模型提取图像的显著图,最后使用区域增长算法提取出图像的显著区域。本文提出的方法使基于区域的检索在自底向上的视觉注意力模型的驱动下进行,较好地解决了目前图像检索系统检索准确率低的问题。本文的创新点在于摒弃了以往提取图像感兴趣区域的方法,提出了基于注意力驱动模型的显著区域提取方法。注意力驱动方法是模拟人的视觉注意力机制的,从人理解图像内容的特点出发用认识心理学中选取注视焦点的模型来提取图像的显著区域。这样的区域是视觉上的重要区域,优于现在的感兴趣区域提取方法,因此提高了系统的检索性能。