随着网络技术的发展和数字图像设备的普及,大容量图像数据库在各行各业有着广泛的应用,如何快速、有效地查找到图像库中相关的图像是一项具有挑战性的工作。于是,基于内容的图像检索应用而生。基于内容的图像检索不再依靠人工标注进行文本检索,而是依赖图像本身所固有的颜色、纹理、形状和空间关系等特征来检索相似的图像。形状描述图像具有优越性,如形状特征与目标对象往往联系紧密,物体的形状不随周围环境变化而变化(稳定的特征)。因此,基于形状的图像检索成为研究的热点,如何找到有效的形状描述方法和形状相似性计算方法是核心的问题。本文的主要研究内容和贡献如下:(1)深入分析和研究了基于内容的图像检索的一些关键技术,尤其是对基于形状的图像检索中的形状描述和形状匹配方法进行了深入的分析和研究,对图像的底层视觉特征如颜色、纹理、形状和空间关系等做了比较详细的介绍,对图像特征间的相似性度量、图像检索算法的评价标准等也做了相应的介绍。(2)提出了一种基于边缘梯度方向统计码的形状描述和匹配算法。该算法首先通过构造18方向向量,对边缘梯度方向统计码做最大和约束使其具有旋转不变性,其次将边缘梯度方向统计码应用于基于形状的图像检索中,提出了相应的形状匹配方法——用边缘梯度方向熵的欧氏距离来进行相似性度量,使算法具有尺度、亮度变换不变性。实验结果表明,该方法实现简单,检索效果较好。(3)提出了一种新的基于距离自相关图的形状特征描述与匹配方法。该算法首先在求取轮廓图像质心距离的前提下计算距离自相关图,然后将该特征描述子应用于基于内容的图像检索中。该特征向量取决于边缘像素点的质心距离和相邻像素之间的相互关系,可以较好的反应图像的空间分布信息。该方法具有较好的平移、旋转、尺度不变性。算法分析和实验结果表明提出的算法取得了较好的检索效果。(4)改进了一种距离聚合向量的形状描述方法并将其应用于图像检索中。针对Sajjanhar等人提出的基于距离聚合向量算法的不足,本算法在距离聚合向量的基础上加入了最大连通聚合像素平均坐标的质心距离特征,新增的特征向量具有平移、旋转和尺度不变性。对于原聚合向量特征和新增的质心距离特征,分别采用了不同的相似性度量函数进行相似度匹配。该新算法融入了比距离聚合向量更多的空间信息,取得了更好的检索效果。