本文在研究了基于内容的图像检索相关领域的关键技术及发展趋势的基础上,以植物花卉图像为研究对象,对植物花卉图像在区域分割、特征提取、基于内容的重复图像过滤以及基于SVM的植物花卉图像检索等问题进行了系统、深入和较为全面地研究。本论文的主要工作和贡献如下:(1)基于内容的重复图像过滤。鉴于从互联网下载的图片存在大量的重复图片,为了保证检索效果,需要对图像库的重复图片进行过滤。本文提出了基于边缘的重复图像过滤:采用基于边缘信息的特征提取方法,把获得的16×16分辨率下共256维的图像边缘信息作为特征进行相似度计算。实验表明,基于边缘的特征提取方法可以快速准确地过滤出重复图像。(2)本文所采用的花卉图像检索是基于区域内容的检索,因此花卉图像分割就成了整个检索系统关键的一步。本文针对花卉图像的颜色特性,提出了2RGB颜色模型,采用本文提出的改进的fisher评价函数获取自适应阈值并进行分割,接着对分割后的图像采用形态学运算去除噪声点,最后用连通区域相关运算去除非花卉区域。实验表明,用该算法可以获得很好的分割效果。(3)在图像颜色特征的提取方法方面,尝试了一些常用的图像底层特征提取算法,并在此基础上,提出若干改进方法。①提出了基于分块的方法提取gabor特征;②提出了加权HSV颜色不变矩特征;③首次将局部二值模式应用于花卉检索领域,并对其进行改进,提出了基于边缘的LBP算法,实验表明,该特征提取算法很大程度上提高了花卉检索的效果。(4)用SVM分类的方法实现了花卉图像检索,在一定程度上解决了图像丰富语义与图像简单视觉特征之间的语义鸿沟以及仅利用图像的底层特征检索性能不太理想的问题。总之,本文针对花卉图像检索提出了若干改进算法,对于植物花卉图像自动检索研究领域的技术发展,有着重要的学术价值和实际应用意义。