近年来,随着多媒体、网络技术的迅速发展,图像信息的应用日益广泛,对规模越来越大的图像数据库、可视信息进行有效的管理,迅速、准确的找到用户所需要的图像,成为一个广泛关注和迫切需要解决的课题.基于内容的检索可以自动提取图像自身所包含的客观信息,然后根据这些信息在图像中进行查找,检索出相似的图像,不需要或仅仅需要很少的人工干预.针对基于内容的检索,本文围绕图像信息的提取和相似性的计算这两个关键问题,深入分析了基于Curvelet变换的图像线边缘检测,着重研究了从图像边界轮廓提取全局和局部特征的方法,同时对局部特征的相似度计算进行了深入的探讨.本文的主要研究内容和成果如下:基于Curvelet变换理论,提出了一种直接从Curvelet变换系数提取图像边缘的方法.依据Radon映射直线的原理,将线边缘的检测问题转换成Radon变换最大系数的检测,利用Radon变换来降低噪声的影响.实验结果表明,本文提出的算法,在有效检测形状边界弱边缘的情况下,具有较小的信息冗余度,提高了边缘检测的精度.着重研究了边界轮廓的全局和局部特征提取方法,探讨了Hu不变矩提取边界轮廓全局特征的修正模型,并详细阐述了基于多边形顶点的局部特征提取方法,提出了一种将Levenshtain距离用于局部特征相似性度量的改进算法.实验结果表明,采用边界矩计算全局特征的速度提高了一个数量级,同样具有平移、旋转以及尺度的不变性;采用Levenshtain改进算法的局部特征相似性比较,更加符合人的形状视觉感知.针对单独使用全局和局部特征检索存在的问题,研究了一种分级检索的系统结构,将边界矩特征和局部形状特征分别用于一级和二级商标图像检索.实验结果表明,采用全局和局部特征的组合比单个特征具有更好的检索效果,时间效率也比较高,取得了检索的准确性和效率之间的较好的平衡.