1、伴隨多媒體技術(shù)的迅速普及，圖像數(shù)據(jù)也取得了爆發(fā)式的增長，使得圖像檢索技術(shù)成為了計算機視覺領(lǐng)域的一項重要的分支。圖像檢索相關(guān)技術(shù)的研究經(jīng)歷基于文本、內(nèi)容和語義檢索的三個階段，現(xiàn)階段主要是基于圖像語義的檢索研究，其在基于內(nèi)容檢索的基礎(chǔ)上融入了機器學(xué)習(xí)，人工智能，模式識別、數(shù)據(jù)挖掘等領(lǐng)域知識，來提升圖像檢索的能力。然而，當(dāng)前圖像檢索的精準度仍有待進一步提高，因此本文通過將聚類分析和相關(guān)反饋技術(shù)等方法的融入來減少基于內(nèi)容圖像檢索中未能考慮到的實

2、際語義信息所帶來的檢索結(jié)果與用戶實際對圖像理解的差異，并對圖像庫構(gòu)建索引結(jié)構(gòu)，最終可以減少查詢的時間，提升圖像檢索的精度。
　　本文針對面向聚類索引構(gòu)建的圖像檢索方法進行研究，主要的工作如下：
　　一、對于現(xiàn)有的圖像底層視覺特征，往往只是對圖中某一方面特性的描述，特征也僅僅是對圖像表面的某種規(guī)律的反映，不含實際語義信息，因而會造成圖像信息大量的損失。為此，本文對傳統(tǒng)Hu不變矩和局部顏色特征做出了一些改進，提高特征的表達能力，

3、融入了一些語義信息，使其更有針對性。
　　二，基于聚類分析的分層索引的構(gòu)建，將圖像庫中提取到的形狀和視覺特征借助聚類分析進行組織，兩種特征形成分層的索引結(jié)構(gòu)，形狀特征用于粒度較大的查詢，而顏色特征則用于進一步的詳細檢索上，可以提高特征查詢的準確度和多樣性。
　　三、基于用戶反饋的分類處理的研究，針對用戶對圖像檢索的反饋，通過使用機器學(xué)習(xí)中SVM算法對用戶反饋的結(jié)果進行訓(xùn)練學(xué)習(xí)，完成人機交互并縮小圖像底層特征與高級語義之間的距