基于内容的图像检索是信息检索的重要分支,其检索所需的信息是从图像本身提取.它的目标是从海量的数字图像数据中检索出用户需要的图像.如今,它在网络安全、预防犯罪、知识产权等方面已经获得了广泛的应用.基于内容的图像检索,近年成为计算机及其相关学科中非常活跃的研究方向.由于计算机对于图像的理解能力非常有限,无法对图像的语义信息进行准确的理解,因此该文重点研究了图像检索中相关反馈和特征融合基本理论及算法,弥补这一缺陷.该文首先研究图像颜色的低级物理特征,通过对HSV色彩空间的分析,发现H颜色通道量化区域分界处附近颜色存在渐变性和混杂性,提出了基于H颜色通道的模糊量化算法.在H颜色通道加入符合人类视觉模型的模糊信息,很好地解决了量化过程中色彩边界处理问题.大量的对比试验说明该文提出的模糊量化算法是有效的.多个特征组合查询被认为是能提高检索效率有效方法.从某个角度看,图像检索过程可看作为一种排序问题,该文的第二部分工作就是针对这个问题展开,提出了新的加入多个分类器相关信息的Borda计数方法的特征融合.该方法考虑到各个图像检索中分类器之间强烈的相关性,对各个分类器检索出来的图像按照一定的策略进行奖惩,重新对图像进行排序.该算法能够保持分类能力强的分类器结果,同时能够抑制分类能力弱的分类器结果,实现了特征的有效融合.对比试验表明该算法有效.相关反馈技术是图像检索过程中的一种交互式技术.支持向量机已经成为近年来统计学习理论支持下发展起来的机器学习方法.在图像检索中,传统支持向量机作为反馈学习仅仅是把相关反馈看作模式分类问题.然而在海量图像数据中,映射到特征空间中的图像是线性不可分的,在图像检索中仅靠简单的模式分类来学习反馈,得不到理想的学习效果.该文在最后一部分工作中提出了二次约束距离算法.在基于支持向量机得到两类分类后,对分类结果按照距离相关图像的聚类中心进行再次排序,将结果反馈给用户.大量的对比试验证明该算法相对于原有的算法具有理想的学习效果.最后,总结了全文,并且讨论了该课题今后的发展方向.