基于内容的图像检索技术(Content-based Image Retrieval,CBIR)是从20世纪90年代开始兴起的一种新的检索技术,它自动提取图像的颜色、纹理和形状等视觉特征作为索引来进行检索。理论上它融合了图像处理、模式识别、计算机视觉、数据库、搜索引擎等多个方面的技术,而且在实际中也有着较大的商用价值。因此,自产生以来,一直都是众多研究者所关心的一个热点研究领域。　　 本文以商标图像作为研究对象,对基于内容的商标图像检索技术进行了研究。在图像特征提取算法上,提出了一种基于曲率和分块信息熵矩阵奇异值特征的商标图像检索算法。而对于检索的相关反馈过程,提出了一种基于模糊C-均值聚类分类器的相关反馈算法。最后,为了对本文算法进行验证,仿真实现了一个图像检索系统,并进行了算法对比实验。　　 首先,针对使用单一特征检索效果不理想的问题,本文使用多个特征综合起来进行检索。对于图像边界,使用Robert算子提取其边界曲线,然后根据微分几何中曲线曲率的定义,利用该定义来计算曲线上每一点的曲率,并统计得到边界曲率直方图。然后,在对图像区域分块的基础上,计算每一分块子图像的信息熵,得到信息熵矩阵,求该矩阵的奇异值作为图像区域特征。综合使用这两个特征进行相似性度量,得到检索结果。　　 其次,使用相关反馈算法优化检索结果。本文的相关反馈算法是基于模糊C-均值聚类分类器的。模糊C-均值聚类算法是由已知样本数据,通过迭代求聚类中心和隶属度值的过程,而本文算法是由用户给出隶属度值,然后通过隶属度值来求聚类中心和半径,构造分类器,最后达到根据用户的主观感受重新排列检索结果的目的。　　 最后,结合本文的特征提取算法和相关反馈算法,仿真实现了一个实验性的商标图像检索系统。利用该仿真系统对本文算法的有效性进行了对比实验。