随着计算技术和国际互联网的飞速发展,包括图像在内的各种多媒体数据的数量正以惊人的速度增长。人们很容易在互联网杂乱无序的信息海洋中迷失方向,如何从中尽快地发现有用的信息是一个严峻的问题。另外,信息数字化技术给人们带来方便的同时,也面临着如何有效地针对海量数据进行分析、存储和检索的问题,尤其是针对诸如图像之类的多媒体数据。本文主要针对基于内容的图像分析与检索的关键技术展开研究,试图对信息时代所面临的一些问题有所贡献。本文首先全面分析了目前基于内容的图像分析和检索的各种技术,重点讨论了图像内容的分析和表示方法,同时介绍图像检索的一些共性技术以及其他一些相关的研究方向,这为本文研究工作的开展奠定了基础。本文的研究工作主要是围绕图像内容的表示以及图像特征的匹配两个核心问题展开。在图像内容的表示方面,首先,本文单独就图像的纹理特征和颜色特征的提取方法进行了有益的探讨。纹理特征的提取采用了基于联立自回归模型的纹理分析方法,并提出了将非对称的非因果邻域集与多分辨率联立自回归模型相结合的方法来估计模型参数。颜色特征的提取则提出了基于多分辨率模糊分块策略的分块主色索引方法,并将其与全局颜色直方图有效结合,从而实现了一种兼顾颜色的空间和组成分布的图像检索方法。在纹理和颜色特征的基础上,本文进一步展开了针对图像区域划分的研究,提出了一种自动抽取图像中可判别区域的新方法,可判别区域是通过自组织学习和自组织图归约获得的。本文独立提出了两阶段自组织图归约算法以及自动确定图像中“最佳”区域数目的聚类有效性分析指标,并对算法的复杂性进行了分析。随后,本文还提出了对算法进行优化的思路,并提出了将原始图像中的像素组合成可判别区域的“投票”算法。依据算法所获得的可判别区域往往是图像中“有意义”的区域,除了将其用于检索外,还可以应用于图像的分类和过滤等其他一些应用。在图像特征匹配方面,本文着重开展了距离测度计算的优化和相关反馈两方面的研究。在文中,距离测度计算的优化是以纹理特征的相似度计算为基础的。本文应用主成分分析方法来降低针对欧氏距离测度的特征空间的维数;受主成分分析方法的启发,本文进一步提出了利用正交变换将一般二次型转换为标准二次型来降低马氏距离测度的计算复杂性的方法,从而在图像特征的快速匹配方面做了有益的探索。本文还以颜色特征为基础,对相关反馈技术进行了