目前,基于内容的古钱币检索方法主要集中在利用神经网络对古钱币识别与检索,但是存在着神经网络模型难以确定、网络模型参数选择困难等问题,这方面的研究没有形成系统。因而,在梳理国内外相关文献以及系统分析已有的关键技术基础上,提出了小波变换与彩色图像的色彩空间相结合的彩色图像多尺度边缘检测模型,并基于此模型,构建了以古钱币图像多尺度特征为基础的图像识别与检索的方法体系,详细描述了图像降噪与细节增强,古钱币钱文的相近字的识别与分类,多尺度相对矩以及利用多尺度的局部特征进行古钱币识别与检索等方法,解决了基于内容的古钱币图像识别与检索有待于解决的关键问题。论文主要研究工作与贡献如下：1.建立了古钱币图像数据库,其中涵盖了已发掘出土的秦朝到清朝各时代极具代表性的古钱币图像信息,实现了对古钱币图像的各方面内容信息进行数字化存储与管理。采用递归方式定义数据库,简化了数据库表的设计。2.提出了小波变换与彩色图像的色彩空间相结合的彩色图像多尺度边缘检测模型,针对彩色图像进行多尺度的平滑,利用小波变换对彩色图像彩色分量滤波磨光输出,并对磨光后的图像进行向量扩展梯度,获得图像不同尺度下的边缘特征描述与表达。该算法能够提取在不同尺度下提取古钱币彩色图像由细到粗的轮廓边缘信息,便于古钱币图像分类与检索。3.为了解决彩色图像降噪和边缘细节保留的问题,提出了带细节增强与降噪的彩色图像多尺度边缘检测算法。根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息,并对不同尺度边缘图像融合。该算法能有效地抑制噪声,并增强图像的细节信息。4.提出古钱币图像的多尺度相对矩检索方法。在不同尺度下提取相对矩特征,对特征向量归一化并进行相似性度量。该方法取得了良好的检索效果,具有很好的通用性和鲁棒性。5.钱文是古钱币识别过程中所处理最为重要的特征之一,为了解决古钱币钱文相近字识别的问题,提出了多尺度PCA和SVM相结合的古钱币钱文相近字的识别方法。利用所提取的多尺度边缘特征形成多个尺度的主成分与SVM相结合,对钱文中的相近字在不同尺度下进行比较；该方法能够对古钱币钱文中的相近字分类识别,并可以得到相近字之间分类识别的最佳尺度。6.鉴于出土古钱币往往存在磨损、锈迹等不同程度的残损,且所获得的古钱币图像有光照、尺度等不同,提出了一种KPCA与SIFT相结合的古钱币多尺度图像识别方法。利用局部特征的各种不变性特征,阐述了图像的KPCA-SIFT描述子与多尺度KPCA-SIFT描述子,融合不同尺度下的局部特征点,通过核主成分分析方法将局部特征描述子降维,利用多分辨率直方图算法对在加噪、旋转、比例尺度条件下的古钱币图像进行识别,实验结果表明,该算法获得了良好的识别效果。