大容量存储设备和数字化设备的出现和广泛使用,以及多媒体技术和网络技术的迅速普及,导致互联网上的图像数据海量增加。如何迅速、准确地从浩瀚的图像库中检索到所需要的图像成了今年来多媒体领域研究的热点问题。目前,国际上广泛开展的基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)研究就是针对这一挑战的。本文主要围绕基于内容图像检索中的关键技术,图像低层特征的描述和提取展开研究。首先,本文阐述了基于内容的图像检索技术研究的背景和意义,介绍当前国内外的研究状况和研究热点。简要地描述了目前国内外基于内容的图像检索系统的应用现状,同时列举了一些具有典型代表的检索系统。然后,介绍基于内容的图像检索系统的基本原理、相似性度量等关键技术。对图像检索系统的通用框架进行了讨论,并分析了基于内容的图像检索技术的关键因素。得出影响检索效果的关键之处在于图像的内容表示以及图像间的相似性度量。接着,介绍了复小波理论及其方向特性,着重讨论了对偶树复小波(Dual-Tree Complex Wavelet Transformation, DT-CWT),和传统小波在描述图像的方向性信息方面进行了比较,对于在频率域中描述图像特征进行了探索;详细论述了颜色和纹理等图像的低层特征的描述和提取,本文提出的检索方法在颜色特征方面主要使用颜色自相关图,纹理特征方面研究了基于区域分块的纹理信息提取方法,介绍了两种新的描述纹理的算子,BDIP算子用于提取图像的边缘和波谷信息,BVLC算子描述纹理的粗糙程度。对这两种特征的联合使用以表示图像的特征做了一些探讨。最后,在上面工作的基础上,提出了基于对偶数复小波域的图像的颜色和纹理特征的描述和提取方法。先将彩色的RGB图像转换成HSV空间的图像,然后对每个分量单独进行DT-CWT分解,从分解后的H,S分量提取颜色特征,从分解后的V分量提取纹理特征,再将二者组合成图像的联合特征向量用于图像检索。本部分对本文提出的检索技术进行了实验,给出了实验过程,并用查准率和查全率对算法进行了评价。实验证明,这种在DT-CWT域提取的联合特征的方法对图像的描述能力相比基于小波域更强,更有利于图像检索。