随着互联网软硬件技术的不断进步,各种电子商务平台蓬勃发展。而数字图像也随之在这些平台上大量应用。如何高效的检索这些图像已经成为当前的一个热门问题。为解决这类问题,基于内容的图像检索技术应运而生。本文重点研究电子商务平台中出现最为频繁的服装图像检索问题,针对服装图像的一些特殊规律,着重研究了颜色和形状特征的描述、提取和匹配算法。首先分析了传统直方图法在色彩量化等方面的一些问题和缺陷,提出改进的颜色直方图法,主要依据HSV色彩模型中的H分量建立直方图,而对于分布不重要的S和V分量,只将其均值作为特征值。最后图像的距离使用直方图距离和SV分量均值的加权进行计算。实验表明,该方法有效地提高了检索效率。针对形状特征,本文综合使用了角点检测和傅立叶描绘子分别用于区分形状近似和形状细节。考虑到服装图像中最能描绘形状信息的点是边缘上的角点,若检测出角点并进行比较就可以很好地区分图像的大致形状。为此,本文首先提取前景边界描述子,通过计算边界描述子各点的曲率提取角点;并将这些曲率极值作为后续取样的依据。接着对服装边缘取样后计算其傅立叶描绘子,利用它对平移、旋转、缩放和起始点的选取不敏感的特性,用来描述形状的细节信息。最后综合利用角点数和傅立叶描绘子等特征矢量进行形状的匹配和检索。论文最后设计了服装检索的实验平台,并通过实验测试,验证了以上方法的可行性和运行效率。