随着多媒体技术及Internet网络的迅速发展,基于内容的图像检索技术研究成为目前一个相当重要而又富有挑战性的研究课题。本论文围绕基于内容图像检索中的一些关键技术,包括图像低层特征及语义特征提取、图像间相似度的度量及相关反馈、特征选择等技术,进行了一些探索性的研究,研究具有一定的理论意义和实际应用价值。对基于内容图像检索领域的主要贡献总结如下: (1)分析和研究了基于模糊颜色直方图的颜色特征提取方法,基于图像规格化,研究了基于Zernike矩的图像形状特征提取方法。 (2)在现有模式测度理论基础上,基于信息理论中相对熵,条件熵,联合熵等概念,提出了交互信息距离测度,并证明了交互距离具有非负性,对称性及满足三角不等性。该理论方法拓宽了信息模式相似性测度的研究领域。 (3)将“隐含语义索引”(Latent Semantic Indexing,LSI)引入CBIR研究中,提出了一种提取图像语义信息的新途径。隐性语义检索建立在矩阵的奇异值分解基础上,它绕过了自然语言处理过程,试验证明,LSI可以实现有效的图像语义检索。 (4)提出了结合相关反馈的语义标注新方法,为了把用户模型嵌入到图像检索系统,在检索中融入人的视觉感知,在“理解”图像的基础上检索图像。该方法克服了传统的基于统计的语义标注方法效率低、准确率低的缺点,有效提高了图像语义标注的准确率和效率。 (5)目前,图像检索面临的一个重大问题仍是“维数灾难”,利用特征选择来进行维数约简是图像检索过程的必要环节。本文研究了基于过滤模型和封装模型的特征选择方法,提出了结合Relief及支持向量机的特征选择方法,实现了有效的特征选择。 (6)任何一项技术都是由该领域中相应的评价标准来推动的。鉴于对基于内容的图像检索系统进行评价的重要性,本文从三个方面来分析研究基于内容的图像检索系统的性能评价问题:测试数据集的建立;量化的评价方法;相关性评价的获取。