随着数字图像扫描、存储以及传输设备的飞速发展，基于内容的图像检索技术正成为当前图像处理领域的一个主要研究热点。基于内容的图像检索技术是一门包含模式识别、图像处理、计算机视觉以及心理学等多学科综合技术。其主要研究内容包括图像特征提取、图像检索性能评价、人类感知以及图像检索方法等。本文在总结前人研究成果的基础上，围绕目前图像检索中有关关键问题，开展了深入研究。主要体现在:
　　1.基于ROI的图像特征提取与检索
　　图像包含了丰富的内容，用户在检索过程中往往针对其中的某个对象，因此全局颜色直方图等方法并不能直观的表示用户的检索意图，因此作者提出了一种基于对象的图像分割方法-基于ROI的图像分割方法，该方法结合直方图熵与边缘提取的方法，采用人机交互的方法来实现彩色图像分割。并且作者在基于对象图像分割基础上，提出.了一组图像特征。该组特征具有平移、旋转和比例不变性。实验表明，采用该组特征的图像检索系统性能优于传统的图像检索方法。
　　2.图像聚类检索方法研究
　　不同类型图像所拥有的“突出”图像特征也不相同。例如，风景类图像对颜色特征敏感，建筑类图像对形状特征敏感。作者提出了一种局部线性主成分分析(local linear principle component analysis，简称LLPCA)与模拟退火相结合的图像聚类方法。该方法的优点在于通过LLPCA方法获得每类图像的“突出”图像特征，并通过采用模拟退火方法避免聚类过程中的局部极值问题。试验表明该方法具有较好的聚类效果。
　　3.多类SVM相关反馈方法研究
　　相关反馈是提高图像检索性能的重要手段-该方法通过用户与检索系统的交互来达到统计分析用户行为模式，并由此来实现图像分类，进而达到提高检索性能的目的。作者提出了一种采用多类SVM的相关反馈方法。该方法采用聚类方法将反馈的反例图像集合分成若干子类，并通过多类SVM训练方法达到提高图像检索性能的目的。该方法在相关反馈过程中充分利用了反例图像隶属于不同类别图像集合的信息，进一步提高了图像检索系统性能。通过试验表明该方法较SVM方法具有更好的检索效果。
　　4.基于粗糙集图像相关反馈方法研究
　　人类感知具有不确定性，特别是在图象相关反馈过程中，用户的主观愿望往往难以用统一的规则进行精确描述。为此，作者提出了一种新的基于粗糙集的相关反馈方法。该方法利用粗糙集无需先验知识的优点，将反馈图像分成不同子类，并用分类规则形式进行表示。然后，利用神经网络集对不同分类规则做进一步训练，克服了粗糙集只能处理离散数据的缺陷，达到了提高图像检索性能的目的。试验结果表明该方法较采用神经网络方法或单纯的采用粗糙集方法具有更好的检索性能。
　　5.基于语义图像检索方法研究
　　图像特征可分为低层视觉特征与高层感知特征。低层视觉特征虽然能够直观表达图像的视觉特征，但图像中的内容往往被用户赋予了特定的含义。如何将这种特定的含义在检索过程中表现出来一直是低层图像视觉特征检索的一项重要任务，而高层语义特征的提取与表示则始终是计算机视觉领域中的一个技术难题。作者提出了一种结合图像语义与视觉特征的图像检索方法。该方法利用粗糙集的分类与特征简约优势，提取出用户感兴趣的语义特征，计算出不同语义的权重，并结合图像的视觉特征通过相关反馈方法，达到提高检索性能的目的。该方法在试验中表现出较语义检索以及视觉特征检索均优的检索性能。
　　6.图像快速下载方法研究
　　数据库中图像的来源主要可以分为三类:人工收集的图像数据，用户查询的图像数据，系统自动收集的图像数据。针对系统自动收集方法，作者建立了一个基于多代理的图像下载系统，该下载系统根据用户提供的网站采用多代理协同的方法来实现网上图像的快速下载，该方法较单一采用的图像下载方法具有更快的下载速度。
　　此外，作者还提出了一种分布式数据库快速检索方法，该方法采用分布式数据库的方法来实现图像的快速检索，达到缩短用户等待时间，提高界面的友好度。