1、移動互聯(lián)網(wǎng)的發(fā)展和多媒體技術的興起，讓圖像數(shù)據(jù)正呈爆炸式增長。面對海量的圖像數(shù)據(jù)，如何便捷有效地對圖像庫進行管理和檢索，并在圖像庫中發(fā)掘出有價值的潛藏信息，正成為一個亟需解決的問題。而數(shù)據(jù)挖掘中的聚類分析技術和基于內容的圖像檢索技術的興起和應用，為這個問題的解決帶來契機。聚類分析可以實現(xiàn)對無標注樣本的分類，是一種無監(jiān)督的學習方法。而基于內容的檢索脫離了原始的文本搜索方式，比起基于標注的檢索更客觀和便捷。
　　為解決這個問題，本文嘗

2、試提出使用聚類的方法完成對海量圖像庫的初步管理。通過對圖像庫進行聚類操作實現(xiàn)類別挖掘和標注，同時使用基于內容的方式完成對圖像庫的檢索。在此基礎上，實現(xiàn)了一個圖像庫聚類和檢索平臺。并且針對傳統(tǒng)圖像特征和聚類算法的不足，提出了改進的特征提取算法和聚類算法。主要研究工作和創(chuàng)新內容為以下幾個方面:
　　(1)針對傳統(tǒng)圖像特征的不足提出改進方法。提出結合空間信息的分塊顏色直方圖和分塊LBP特征;通過結合顏色信息提出Color-SIFT特征，

3、彌補了SIFT特征只有灰度信息的缺點;提出綜合Dense SIFT和顏色信息的聯(lián)合特征，既有局部區(qū)域描述能力，同時保留了圖像的全局信息，實驗結果表明性能比其他特征都好。
　　(2)以K均值算法為基礎提出Mini-Batch K均值，不僅提高了算法的穩(wěn)定性同時大大提升了算法的速度。將核函數(shù)引入譜聚類中提出基于高斯核的譜聚類算法，提升了譜聚類算法的性能。
　　(3)歸納并整理了相關圖像特征，包括全局特征及局部特征。顏色特征有顏色