1、隨著數(shù)字化設(shè)備的廣泛應(yīng)用和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，圖像數(shù)據(jù)庫(kù)已成幾何級(jí)數(shù)增長(zhǎng)趨勢(shì)，如何在這些圖像數(shù)據(jù)庫(kù)中準(zhǔn)確、迅速的找到所需要的圖像就成為一個(gè)迫切需要解決的問(wèn)題。基于內(nèi)容的圖像檢索技術(shù)就在這種背景下應(yīng)運(yùn)而生，并成為一大研究的熱點(diǎn)。目前，在基于內(nèi)容圖像檢索技術(shù)中，應(yīng)用比較成熟的多是基于圖像底層視覺(jué)特征的圖像檢索技術(shù)，通過(guò)提取圖像的顏色、形狀、紋理或多個(gè)特征作為圖像的特征向量進(jìn)行相似性度量，進(jìn)而進(jìn)行圖像檢索?；趩我惶卣鞯膱D像檢索往往存在檢索精

2、度不高的缺點(diǎn)，而基于多特征的圖像檢索技術(shù)則可以提高檢索精度。本文圍繞如何利用圖像的多個(gè)特征信息進(jìn)行檢索的問(wèn)題進(jìn)行了研究，主要研究?jī)?nèi)容和貢獻(xiàn)如下：
　　1.查閱和研究了基于內(nèi)容的圖像檢索相關(guān)文獻(xiàn)資料，對(duì)基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù)進(jìn)行了綜述。首先介紹了圖像顏色、形狀、紋理等特征的提取和描述方法，并著重分析了多特征的提取和描述方法；然后對(duì)圖像的相似性度量技術(shù)進(jìn)行了比較全面的分析；最后對(duì)常用的圖像檢索技術(shù)的性能評(píng)價(jià)方法進(jìn)行了相應(yīng)的介紹。

3、
　　2.提出了一種基于K均值聚類(lèi)分割的多特征圖像檢索算法。該算法首先將圖像轉(zhuǎn)換到HSV空間，提取出圖像的H分量矩陣和V分量矩陣，并進(jìn)行矩陣重組，用K均值聚類(lèi)算法分別對(duì)重組后的兩個(gè)分量進(jìn)行聚類(lèi)，將聚類(lèi)后的兩幅圖像做取交集運(yùn)算，這樣就分割出了圖像中的主要區(qū)域；然后提取出分割區(qū)域的形狀信息，用傅里葉描述子和Hu不變矩來(lái)描述；最后進(jìn)行相似性度量。實(shí)驗(yàn)表明，該算法取得了良好的分割效果和檢索效果。
　　3.設(shè)計(jì)實(shí)現(xiàn)了一個(gè)單機(jī)的基于內(nèi)容