基于区域的图像检索技术是基于内容的图像检索的一个重要研究方向,从对象层次上来理解和表示图像,在一定程度上实现了基于对象层次的检索,减小了图像底层特征和高层语义之间的鸿沟,有效地改进了检索性能。模糊集理论能使图像检索脱离精确的计算,结合模糊集理论已成为图像检索的一种趋势。这篇论文引入了模糊集理论来研究基于区域的图像检索。对图像分割,区域模糊特征提取,相似度计算,索引树的建立以及相关反馈等内容进行了研究。在基于区域的图像分割方面,运用K-均值聚类算法把图像分割成区域。实验结果表明该方法具有较好的图像分割效果。在区域特征模糊化方面,运用模糊集理论,对区域的颜色、纹理、形状应用Cauchy隶属度函数获取区域的模糊特征。该方法增强了图像分割的鲁棒性及图像检索的效果。在图像相似度计算方面,引入了区域综合匹配方法。并提出一种距离转化为相似度的方法。实验结果表明该方法是一种性能较好的度量方法,提高了检索的精度。在索引树建立方面,提出一种改进的聚类方法建立索引树,其方法的主体是K-均值聚类,加上初始聚类确定聚类数目和初始聚类中心,并配以搜索算法,使检索速度更加快速。在相关反馈方面,提出一种基于SVM的相关反馈的图像查询方法,利用人机交互,让系统能够根据用户选择,猜测用户的兴趣,并能自动地调整相似性度量准则来提高检索的准确率。用SVM理论对特征向量集合分类,每次查询修剪索引树得到候选树以便建立相关反馈机制,使得检索结果更贴近于用户思路。在上述研究的基础上,设计并实现了一个基于区域模糊特征的图像检索系统(Region-Based Image Retrieval with Fuzzy Features System, RBIRFFS)。系统利用SQL Server建立特征数据库,存放图像的特征。实验证明系统具有一定的实用价值。