藻类是原生生物界一类真核生物,对人类的生产生活有重要贡献,但同时也是水华、赤潮等灾害的元凶,因此对藻类进行正确的分类,以趋利避害,有重要意义。基于内容的图像检索技术(CBIR)是一种利用图像视觉特征建立图像索引,并进行特征的相似性匹配,检索出相似图像的方法。本文旨在针对藻类图像特点,研究一种图像检索算法,从大量的藻类图片库中检索出相关图片,以辅助人工准确快速的确定藻类类别。具体取得以下进展:(1)在分析了藻类图像特点及传统分割方法在藻类图像中的适应性不足的问题后,提出了一种新的分割算法。该算法首先对图像进行去噪处理并提取彩色梯度,对梯度图建立Gamma混合模型,采用EM算法估计模型中的参数后求解梯度阈值并二值化梯度图像,最后采用链码法跟踪细胞轮廓。大量实验表明该算法准确、简单,为进一步的特征提取打好基础。(2)对比分析了各种特征的优缺点,并确定以颜色直方图、不变矩、Gabor变换作为图像的颜色、形状、纹理特征的代表。在对图像进行分割的基础上,提取细胞区域内的各个特征,使得特征相比较全局特征的区分度大大提高。特征提取完毕后,本文又研究了多特征的组织方法,建立基于综合多特征的图像特征索引,随后对比分析了各种相似性度量方法,确定了初次检索的策略。(3)为进一步消除底层视觉特征和高层语义之间的存在的差异,在基于特征的初次检索后,又引入了基于SVM的相关反馈技术,并提出了具有记忆功能的SVM相关反馈算法,解决了小样本下,正例样本和反例样本不足的问题;同时改进了相关反馈的过程,对利用SVM获得的正例集合再次使用相似性度量准则计算,进一步提高了检索精度。(4)基于Matlab平台建立了检索算法的实验平台,并选取10种藻类每种各10个样本作为图像库进行检索实验,实验表明综合多特征的检索效果好于单特征检索效果,而进一步的相关反馈检索结果更加符合用户的要求,准确性也进一步提高。