1、隨著Internet和多媒體技術(shù)的迅速發(fā)展產(chǎn)生了大量的數(shù)字圖像庫，基于內(nèi)容的圖像檢索技術(shù)（CBIR）應(yīng)運而生，但在實際應(yīng)用CBIR系統(tǒng)中發(fā)現(xiàn)，用戶必須提供一幅待查詢的圖像，再通過對待查詢的圖像提取一定的底層特征，找出特征空間中與提供查詢的圖像最接近的圖像。但當(dāng)用戶沒有一幅查詢圖像時，只有對要查詢圖像一些較為模糊的概念，則CBIR顯得無能為力，近年來不少學(xué)者把圖像檢索上升到圖像的更高一層的抽象—圖像高層語義。如何解決圖像低層視覺特征和高層

2、語義特征存在的“語義鴻溝”已成為語義圖像檢索問題的關(guān)鍵，以往的映射方法是把一幅圖像歸于一類語義圖像。
　　 在自然風(fēng)景圖像中包含豐富的高層語義信息，其歸類不是很明顯，例如一幅包括山，水，藍天的自然風(fēng)景圖像分別以某種隸屬度歸入幾類語義圖像。文中提出根據(jù)自然圖像的底層信息自動獲得高層語義完成自然風(fēng)景圖像多語義分類，最終實現(xiàn)對自然風(fēng)景圖像的有效檢索。本文主要工作包括：（1）根據(jù)自然風(fēng)景圖像中的目標(biāo)區(qū)域顏色較單一提出不斷對彩色圖像采用最

3、優(yōu)閾值化進行一次粗分割提取最大目標(biāo)區(qū)域，再利用改進的K-均值算法對提取目標(biāo)子區(qū)域進行精確分割，實驗結(jié)果表明該方法對自然彩色圖像能夠有效的提取目標(biāo)物體，并對噪聲圖像具有一定的魯棒性。（2）在此基礎(chǔ)上，通過在分割區(qū)域上提取圖像的局部顏色和形狀特征，再利用改進的模糊神經(jīng)網(wǎng)絡(luò)建立低層視覺特征和高層語義特征之間的映射，實現(xiàn)了圖像屬性信息的有效傳遞和高層語義的自動獲取。部分類別的檢索準(zhǔn)確率接近90％，查全率也達到了75％,實驗結(jié)果證明了該方法對自然