伴随着计算机科学技术的高速发展,以及互联网络技术的迅速普及。与此同时,由于数字图像数量的激增,对其进行快速而有效的检索的要求愈加强烈。在这种背景下,基于内容的图像检索技术得到了广泛的发展。如何迅速而准确地从浩瀚的海量图像数据库中检索到所需的图像,成了近年来多媒体领域的研究热点问题。为了实现快速而准确地检索图像,利用图像视觉特征,如颜色、形状、纹理来检索图像,基于内容的图像检索的技术因此应运而生。本文针对其中的一些关键技术和理论方法作了如下四个方面的工作:(1)提出了一种结合人的视觉感知的HSV彩色空间模型的图像检索方法。通过对HSV色彩空间的分析,通过对相似色区域的划分提出了从视觉上更合理的不等间隔的量化方法,使其更符合人的主观视觉模型,本文对HSV色彩空间非等间隔量化的研究,并借鉴认知心理学的研究成果,提出了与人的视觉感知相一致HSV的量化模型,在此基础上,给出了基于HSV模型特征的图像检索算法,有效地降低了算法复杂度,提高了检索效率。(2)提出一种径向基函数神经网络(RBFNN)建模方法。利用该方法将图像数据库中的每一幅图像映射到语义空间中;利用RBFNN逼近从低层特征空间到语义空间的最优化映射。检索过程中的计算复杂性随着语义空间的维数的减少而减少,从而避免了维数灾难。将相关反馈技术和径向神经网络技术应用于图像检索中,取得了较好的效果。(3)提出一种支撑向量机(SVM)图像检索模型。相关反馈技术是图像检索过程中的一种交互式检索技术,允许用户对检索结果进行标注和评价,通过学习用户反馈的相关信息,来改进检索结果。本文构造SVM的分类器,提出了基于SVM的交互式图像检索算法。实验结果表明,该方法在合适的样本下,可以有效地改进检索结果,使之更为符合用户的需求。(4)对语义建模技术进行了有益的尝试,提出了一种基于图像特征的语义检索,它弥补了基于视觉特征的不足,体现了以人为本的理念。语义建模技术来弥补这方面的不足,语义标注方法根据是否将关键词作为进行判别分为监督语义标注,通过对无监督语义标注的研究,提出了一对多的语义标注策略,以有利于语义空间的图像检索,该方法是基于用户的隐语义特征。从人的认知角度来理解图像语义信息,最大程度地弥合图像低层特征和高层语义之间的语义鸿沟。