1、隨著圖像數(shù)據(jù)呈現(xiàn)幾何級數(shù)的快速增長，如何實現(xiàn)對圖像數(shù)據(jù)庫更加高效、準確的檢索，是眾多學者研究的目標和方向。基于內(nèi)容的圖像檢索通過提取圖像的顏色、紋理、形狀等底層特征進行相似度匹配，快速地查找目標圖像，該技術(shù)是當前信息檢索領(lǐng)域中的一種重要手段。傳統(tǒng)的基于內(nèi)容的圖像檢索技術(shù)存在一定的局限性，一方面，為了提高對圖像主體內(nèi)容的高度概括性信息描述，盲目的過濾掉圖像當中的冗余信息，忽略了不相關(guān)部分信息的重要性;另一方面，圖像往往包含了豐富的內(nèi)容信息

2、，使用單一的特征描述只能表達圖像的某一方面信息，無法詮釋圖像的完整性信息描述。
　　顏色特征作為數(shù)字圖像的一種重要特征描述，因其計算簡單有效，被廣泛的應(yīng)用于圖像特征的提取和索引?，F(xiàn)有的基于內(nèi)容的圖像檢索技術(shù)通過融入多個底層特征進行圖像檢索，從而減少了對原始圖像描述的信息缺失并提高了圖像檢索的準確率，但同時也增加了算法的計算復(fù)雜度。為了更好的描述圖像的內(nèi)容，本文通過將顏色特征作為圖像的全局描述，然后利用有效地特征加權(quán)融合方式，分別結(jié)

3、合了顯著性區(qū)域顏色特征和基元共生矩陣特征。通過從不同側(cè)面對圖像的內(nèi)容進行特征描述，達到了較好的檢索效果。
　　本文主要針對顯著性區(qū)域特征和基元共生矩陣特征進行了相關(guān)的改進，并在圖像分割、特征提取、特征融合等方面進行了部分優(yōu)化。主要內(nèi)容如下:
　　1.本文首先深入研究了基于內(nèi)容的圖像檢索領(lǐng)域中的相關(guān)技術(shù)，并針對圖像的顏色、紋理、形狀等特征的提取方法進行了分析對比。然后詳細介紹了基于顏色特征的圖像檢索，和一些常用的相似性度量方法

4、、性能評價指標。最后針對顯著性區(qū)域和基元共生矩陣特征的局限性問題，提出了兩種有效的圖像檢索方法，分別為基于全局和顯著性區(qū)域顏色特征的圖像檢索方法和基于分塊基元共生矩陣的圖像檢索方法。
　　2.針對顯著性區(qū)域特征忽略背景信息的問題，提出了一種基于全局和顯著性區(qū)域顏色特征的圖像檢索方法(GASCH)，在不丟失背景信息的前提下突出強調(diào)了顯著性區(qū)域特征的重要性。首先，提取量化的HSV顏色直方圖特征作為全局描述。其次，利用一種顯著性區(qū)域檢測

5、方法將顯著性區(qū)域和背景區(qū)域分離。之后，提取顯著性區(qū)域的顏色直方圖用于構(gòu)成局部描述。最后，本文通過使用一種自適應(yīng)加權(quán)的方法結(jié)合了這兩種描述。在Corel1000圖像庫中的實驗表明，該方法與單一特征檢索方法相比具有更好的視覺效果，檢索準確率也至少提高了9％。
　　3.針對基元共生矩陣中不滿足平移不變性和不同子塊可以用相同基元表示的局限性問題，提出了一種基于分塊基元共生矩陣的圖像檢索方法(BMCM)。該方法，首先將圖像進行區(qū)域劃分，并對