基于内容的图像检索技术是目前非常活跃的一个研究领域。图像颜色特征的提取与相似性计算是其重要研究内容之一。以往的图像颜色特征处理算法侧重于用计算机对统计信息进行分析和归类,相对忽略人类观察图像时的视觉特征,算法结果存在颜色量化冗余、颜色量化分界难以处理、颜色量化结果不符合人类视觉特征要求等问题。本文在已有算法的基础上,从人类的主观感知出发,结合模糊理论,提出了一种新的算法,力求使图像的特征提取更能反映人的感知特性,使相似度计算更加符合人类观察图像的习惯。首先,本文比较了常用的颜色量化算法,在借鉴以往算法思想的基础上,提出了一种基于视觉特征的新的颜色量化算法。实验证明,在HSV色彩空间中,所提算法在视觉上更为合理。算法结合了模糊理论,将量化边界处模糊化,进行第一次颜色量化,并将颜色量化结果进行二次聚类。大量图像实验表明,此种量化方法既符合人眼的视觉特征,又能有效降低颜色直方图中的冗余信息。其次,本文在上述颜色量化算法的基础上,改进了传统的颜色相似性比较算法,提出了新的基于主色的图像检索算法。本算法的改进思想是,在进行相似性计算时,根据颜色在图像中所占的比例为颜色加上权值,在图像中比例高的颜色能为相似性结果做出更多贡献。然后,本文引入基于模糊等价关系的动态聚类方法,在第一部分颜色量化的基础上,提出了基于图像主色的聚类算法。对图像颜色按照23色量化,一个图像的颜色特征可以使用由23个分量组成的一维数组表示,且样本集可表示为一个23列的矩阵。本文对样本集构成的矩阵,按照模糊等价关系的动态聚类方法进行聚类,将模糊聚类的方法引入到图像聚类的应用中。最后,本文使用Corel Photo CD和Department of Computer Science andEngineering University of Washington图像库所提供的图像文件建立图像数据库,以C#和SQL Server作为开发环境,验证了上述算法的性能,并将新算法与原有算法比较。实验结果表明,在图像基于示例的检索时,本文所提算法查准率和查全率都令人满意,图像聚类也能达到预期效果。