基于内容的的图像检索技术CBIR (Content-Based Image Retrieval)是图像处理技术和传统的多媒体信息检索方法结合的结果,是近年来检索领域内的研究热点,大致可以分成基于形状、颜色、纹理和空间关系等图像特征的检索。图像特征提取技术和相似性度量技术都属于基于内容的图像检索技术的核心问题。本文主要针对这两个问题,研究如何描述图像内容,准确、自动地提取特征,以及精确地对图像内容进行相似性度量。本文重点研究了图像的特征提取的形状特征提取和空间关系特征提取。对于形状特征提取,本文提出了一种基于最优阈值下的不变矩形状特征提取,采取最优阈值把图像中的目标与背景分割开,对目标进行轮廓不变矩提取,然后采用不变矩作为图像的形状特征进行相似性检索,有效的解决因图像的平移、尺度、旋转变换等带来的问题。对于空间关系特征提取,本文通过对彩色图像进行空间转换,而后对转换后的图像的像素值进行非等间隔量化,并将量化后的像素值作为一种状态构成状态矩阵,利用马尔可夫链的状态转移矩阵进行统计像素点之间的空间关系,把统计的图像的像素点空间关系作为图像的空间关系特征。为了综合利用四类特征对图像进行检索,本文设计了一类图像检索权重分配器。检索权重分配器能够对示例图像进行自动分析并为颜色、纹理、形状和空间关系特征分配不同的权重,这样就可以综合利用图像的四类特征进行检索,实验结果表明综合利用四类特征进行检索时的检索性能要比使用任意单一特征进行检索时的效果都要好。