近年来,网络购物(B2C)作为一种新兴的电子商务模式,以其方便、快捷、低价的特点被大众广泛接受并迅速发展,许多电子商务网站随之兴起。各种商品在网站中以图像形式陈列,为了能使消费者快速准确地找到自己满意的商品,基于内容的图像检索(CBIR)技术被应用于商品检索领域。但由于商品检索的特殊性,现有的算法存在匹配精度低,检索速度慢等诸多问题。本文针对商品图像的特点,基于图像的形状特征,对其检索算法进行了探索性研究。本文首先介绍了基于形状的图像检索技术的研究现状、特点和局限性。在基于形状的图像检索里,如何有效地描述与表示图像的形状,决定了匹配算法的速度与精度,是研究的重点与难点。传统形状匹配算法对形状的完整性和边界的连续性有着严格的要求,而对于不连续轮廓曲线匹配问题的解决办法少之又少,而在实际应用中,图像存在缺失和轮廓不连续的现象经常出现。针对此问题,本文提出了一种基于统计形状分析理论的不连续曲线arc-tree表示法和角点检测相结合的形状匹配方法。该方法能够有效地表示不连续形状的轮廓曲线,并且对形状的平移、旋转、缩放变换有着很好的鲁棒性。其中,分阶近似对形状特征的表示进行了简化,通过使用轮廓曲线上曲率最大角点作为最佳匹配起始点,减少了动态匹配的循环迭代过程,降低了匹配计算的复杂度。实验证明本文方法在匹配速度上有着显著提高,给图像的快速匹配提供了良好方法。其次,当图像轮廓存在多段性时,简单的轮廓匹配无法满足匹配要求,需要更为精细有效的方法对图像形状进行识别和匹配。本文采用了一种有效的边界特征描述子——塔式梯度方向直方图(PHOG)来进一步描述图像的轮廓特征,结合前一方法,有效地解决了多段轮廓匹配的问题。最后,本文结合了轮廓曲线匹配的快速性和塔式梯度直方图的精确性,设计了一种由粗到细的分层检索系统。在该系统中,粗检索使用轮廓曲线匹配,快速地缩小了检索范围；精检索使用塔式梯度直方图匹配,有效地提高了匹配精度。实验证明,该方法在商品图像检索中取得了很好的效果,为基于形状的图像检索技术在实际具体应用提供了一种新的解决方案。