随着多媒体信息技术、通信技术的进步以及信息高速公路的飞速发展,数字图书馆也应运而生。数字图书馆中存有大量的图像信息资源,如何有效地检索这些资源是图书馆数字化面临的一个重要课题,这使得基于内容的图像检索(CBIR)技术逐渐成为目前的研究热点。 CBIR技术的两大核心问题是图像内容的描述方法(即特征提取)和特征匹配,本文的研究工作就是围绕这两大问题展开论述。图像内容的描述是图像检索的基础,本文从颜色、纹理和形状三个方面进行了归纳和总结。对于颜色,介绍了两种符合人类感知的颜色空间及几种常用的颜色特征提取方法。对于纹理,详细讨论了三类纹理描述的方法。对于形状,介绍了提取图像中物体轮廓的几种常用的边缘检测方法,并在此基础上提出了一种快速的边缘检测算法,并对这种算法进行了实验,给出了实验结果。 本文在图像检索的相关反馈过程中引入了支持向量机SVM的学习机制,介绍了SVM在图像反馈检索中的应用,给出了利用单分类和二分类的SVM方法进行检索的反馈过程,并在此基础上,提出了一种改进的SVM相关反馈技术。这种改进的方法不仅对本次反馈而且还对历次反馈过程中用户提交的正例和反例样本进行学习,并根据训练后的分类器进行检索,实验表明,该方法在有限训练样本的情况下仍然可以检索出较多的相关图像。 最后本文在以上算法研究的基础之上,利用图像的编程工具,验证了分别利用颜色、纹理作为单一的检索特征进行检索的结果。并提出了一种检索方法,这种方法是在共生矩阵基础上,通过边缘检测方法提取图像中目标物体的纹理特征,实现图像检索。在检索的过程中,结合了本文改进的SVM相关反馈方法,给出了相应的实验结果。