矢量图形检索在建筑、机械、自动化等领域都有着广泛的应用,是学术界和工业界的研究热点。目前,基于语义的矢量图形检索方法成为矢量图形检索研究的新趋势,如何挖掘和表达用户的查询兴趣成为矢量图形检索的关键问题。手绘草图作为一种自然、新颖的人机交互方式,可以使用户自由地表达对矢量图形底层视觉特征和高层语义特征的综合概念,自然完整地表达检索需求,进而有效地支持基于语义的矢量图形检索。本文将手绘草图交互方式引入矢量图形检索,设计了基于手绘草图的矢量图形检索(Sketch-Based VectorDrawing Retrieval)研究方案,并对矢量图形的内容表示与特征提取,相似度匹配、相关反馈以及矢量图形检索的应用等多个方面进行了深入而系统的研究。本文的创新性成果主要包括以下几个方面：　　 ⑴提出面向基于手绘草图矢量图形检索的多层次内容表示与特征提取方法。提出基于手绘草图的矢量图形检索方案,在矢量图形检索中引入手绘草图交互方式,为用户充分表达其包括高层语义和低层特征综合信息的综合检索请求提供了途径,支持基于语义的检索。其中,为了解决查询草图数据的多样性、随意性与模糊性问题,本文重点提出多层次草图数据文档结构,通过图元分解和对象提取获取草图数据在图元层、笔画层和对象层的内容表示。多层次草图数据文档从形状和语义等不同层次解析草图的内容信息,充分挖掘用户的查询意图。为了完整有效地提取矢量图形的内容信息,我们设计矢量图形的特征定义体系,提出矢量图形的几何特征和拓扑特征提取方法。几何特征定义全局和局部形状的几何参数,拓扑特征定义图元和对象间的空间拓扑关系等结构化特性,并生成拓扑特征的图表示。结合使用几何特征和拓扑特征,可以从形状和结构上表示矢量图形的完整信息,解决了单一特征无法完整描述矢量图形内容的问题。　　 ⑵提出基于Laplacian图谱的特征索引方法,设计基于特征组合的相似度计算策略。为了从海量图形库中发掘与用户检索请求最为接近的矢量图形,本文重点提出基于Laplacian图谱的拓扑特征索引方法,将图匹配问题转换成特征向量的距离计算问题。Laplacian图谱索引有效降低相似度计算的复杂度,缩短了检索的响应时间。为了建立最优的匹配机制,我们设计基于特征组合的相似度计算方法。该方法计算特征的类内方差和类间方差,判断不同特征对图形数据库的区分性,并在此基础上进行特征选择和组合,根据特征向量的加权欧式距离计算图形的相似度。基于特征组合的相似度计算方法建立特征与数据库之间的最优映射关系,为用户输入的查询草图和矢量图形之间提供有效的匹配机制。　　 ⑶全面考察矢量图形检索中的相关反馈技术,提出基于AB-SVM的相关反馈算法。为了解决检索的“语义鸿沟”问题,本文将相关反馈引入基于手绘草图的矢量图形检索系统,通过引入用户的主观评价实现结合用户主观认知的个性化检索机制。我们全面考察基于启发式权重调整和采用机器学习方法的相关反馈技术,创造性地提出了一种新的基于AB-SVM的相关反馈算法。该算法结合主动式学习和有偏分类机制,解决了相关反馈中小样本训练、数据不对称以及实时性要求等三个难点问题,提供渐进式的检索机制在线提供矢量图形检索的性能。AB-SVM相关反馈算法以特征向量为研究对象,独立于检索的内容的特征表示,有很强的扩展性,对CBIR、三维模型检索等其他应用领域同样有效。　　 ⑷系统考察基于手绘草图的矢量图形检索的应用领域和用户适应性。从应用的角度,系统考察基于手绘草图的矢量图形检索方案对不同数据类型和不同用户的适应性。本文在手写体字符、草图检索,商标图形和工程图纸检索等领域分析基于草图的矢量图形检索方法对不同数据类型检索的有效性。本文提出的检索方案支持矢量图形内容的全局匹配,局部匹配,以及由粗到细的匹配机制,适应专业和普通用户等不同类型用户的检索要求。