随着互联网技术的日益发展以及多媒体技术的广泛应用,人们在日常生活中越来越多的使用图像来存储信息。面对海量的图像数据,如何在其中精准且快速的获取图像信息是当前亟需解决的问题。目前,基于内容的图像检索技术虽然能针对性的解决这一需求,但检索效果不理想,再加上图像底层特征与高层理解之间还存在信息不对称的问题。因此设计兼具多特征融合与SVM分类的面料图像检索算法则具有实际的应用价值和现实意义。文中对图像基本特征提取方法作了介绍,从介绍的方法中择优选择了鲁棒性较好的特征提取算法。针对颜色特征的提取,选择了基于HSV空间的颜色矩;针对纹理特征的提取,选用了灰度共生矩阵;针对形状特征的提取,采用了Hu不变矩的方法。由于单一特征不能将一幅图像描述清楚,本文在传统的加权多特征融合的基础上做了改进,采用了动态加权多特征融合的方法,该方法根据用户给出的对检索结果的评价,结合反馈信息,动态地调整各个特征相对应的权值。在自建图像库上的实验表明,动态调整多特征权值的检索方法不仅提高了图像检索的准确度也在一定程度上减轻了用户需要自己设置权值的负担。为了缩小高层语义和低层特征之间的差距,将分类器融入了面料图像检索中,在传统的SVM分类基础上结合相关反馈技术,提出了基于SVM相关反馈的检索算法。其主要思想是先通过选取图像库中部分图像作为训练集对分类器进行训练,用另一部分图像作为测试集进行检索性能测试,再由用户对检索结果进行评价并反馈给系统,系统根据反馈信息重新调整检索策略,实验表明,引入相关反馈技术的SVM检索方法检索效果良好,具有一定的实际使用价值。最后设计并实现了面料图像检索系统。该系统主要分为两个部分,图像检索和后台管理。普通用户可以在图像检索界面按需求查询,管理员除了具有图像检索权限外还可以在后台进行编辑图像库、设置算法参数以及管理用户的操作。实验中对各个模块的性能都进行了测试,结果表明,该系统具备较高的可行性。