1、基于內容的圖像檢索(CBIR)技術是當前研究的熱點問題。它主要是利用圖像的視覺特征，如圖像的顏色、紋理、形狀等特征來進行檢索。它突破了傳統(tǒng)的基于文本檢索技術的局限，直接對圖像內容進行分析并抽取特征，然后利用這些內容特征建立索引并進行檢索。由于計算機對于圖像的理解能力非常有限，無法對圖像的語義信息進行準確的理解，因此本文重點研究了圖像檢索中相關回饋和特征融合基本理論及算法。 本文首先研究圖像顏色的低級物理特征，通過對HSV色彩

2、空間的分析，發(fā)現(xiàn)H顏色信道量化區(qū)域分界處附近顏色存在漸變性和混雜性，提出了基于H顏色信道的模糊量化算法。在H顏色信道加入符合人類視覺模型的模糊信息，很好地解決了量化過程中色彩邊界處理問題。大量的對比試驗說明本文提出的模糊量化算法是有效的。 多個特征組合查詢被認為是能提高檢索效率有效方法。從某個角度看，圖像檢索過程可看作為一種排序問題，本文的第二部分工作就是針對這個問題展開，提出了新的加入多個分類器相關信息的Borda計數(shù)方法

3、的特征融合。該方法考慮到備個圖像檢索中分類器之間強烈的相關性，對各個分類器檢索出來的圖像按照一定的策略進行獎懲，重新對圖像進行排序。該算法能夠保持分類能力強的分類器結果，同時能夠抑制分類能力弱的分類器結果，實現(xiàn)了特征的有效融合。對比試驗表明該算法有效。 相關回饋技術是圖像檢索過程中的一種交互式技術。支掙向量機已經(jīng)成為近年來統(tǒng)計學習理論支持下發(fā)展起來的機器學習方法。在圖像檢索中，傳統(tǒng)支持向量機作為回饋學習僅僅是把相關回饋看作模