随着网络技术和存储技术的不断向前发展,图像数据正以指数级的方式增长,越来越多的数据分布在网络上,这对于用户如何高效、快捷和轻松地查询到自己想要的图片信息是个难题。基于内容的图像检索算法的提出正是为了解决海量的图像数据难以手工标注以及用户需求快速地查询到想要的语义信息图像的问题。基于内容的图像检索算法利用计算机自动的提取图像的底层视觉特征、在特征空间上定义相似度度量准则,计算查询图像和数据库中源图像之间在底层视觉特征向量上的差异,从而来描述两幅图像之间的语义差异性。其在最初的一段时间取得了相当的成功。但是由于图像的底层特征和图像高层语义之间的“语义鸿沟”问题,基于内容的图像检索算法无法从根本上克服图像的底层特征对图像高层语义描述的不一致性。在此基础上,研究者开始寻求其他的检索算法或者对原有算法进行改进,逐步缩小二者之间的“语义鸿沟”问题:提出了基于区域的图像检索、相关反馈和高层语义建模等方法。其中基于区域的和高层语义建模的方式从根本上讲,还是没有脱离基于图像底层特征,只是利用其它相关技术对基于图像底层视觉特征的检索算法的性能进行了提高。而相关反馈技术的提出是区别于其它两种的,这一方式的提出考虑了检索过程是一个用户参与的过程,系统完全可以把用户在参与的过程中提供的信息融合进检索算法来提高检索结果的精确度。但是除了图像的像素信息之外,图像中还有其他的信息可以用来提高对图像语义信息的理解。相机元信息(Exif)记录了图像在拍摄的时候相机中各种参数的状态和数值,如:闪关灯是否打开、曝光时间、光圈长度等。这些信息对于图像的语义信息的理解有着辅助作用,已有的研究文献也证明了该观点。不同的物体概念和不同数值的相机元信息相互关联,如闪关灯在室内比在室外更容易打开、光圈长度值对于风景图像和物体图像的差异很明显。而问题的关键在于研究发掘出相机元信息和图像的高层语义之间的关系。本文在综合上述信息后,提出了一种融合了相机元信息的基于区域的图像检索算法。该算法首先利用图像分割算法将图像分割成区域块,然后在区域块上利用MPEG-7所定义的底层颜色描述子提取底层视觉特征进行相似度度量。我们将基于区域的底层特征检索出的结果,作为初始结果,然后利用相机元信息中的光圈长度和F值信息对检索的结果,进行后处理提高。在数据集上的实验结果表明,本文所提出的算法在汽车、园林、草地、高楼、雕塑和红色楼房六个概念上都取得了优于传统的基于内容的图像检索算法的性能效果。