在计算机视觉中,形状特征是描述高层视觉特征(如目标、对象等)的重要手段,基于形状特征的图像检索是基于内容的图像检索(CBIR)技术中的一个重要方面,它利用目标图像的形状特征进行检索,已成为图像检索的研究热点。本文首先回顾了基于内容的图像检索理论及其应用研究的发展过程,对基于内容的图像检索,尤其是形状检索领域的背景和发展概况作了综述,并探讨了其中的一些关键技术。本文的主要工作包括:首先,提出了一个基于多维隐马尔科夫模型的图像分类算法。算法以轮廓的拐点对图像的轮廓进行精确分段,利用改进的边界跟踪法进行形状特征提取,构造以对称性、方向性、线性以及长度四个结构特征的轮廓段标识,然后对四维的结构特征进行均匀量化,并应用于四维的隐马尔科夫模型的构建,最后,将此模型用于形状的分类和检索。实验结果证明该算法进一步提高了图像检索的效率和速度。其次,提出了一种多尺度的形状匹配算法。在对轮廓进化处理时采取不同的高斯核尺度分别对目标轮廓的凹陷部分和凸起部分进行进化处理,得到原始轮廓的进化曲线:当采用较大的高斯核尺度时,能更快地得到轮廓的全局信息;当采用较小的高斯核尺度时,保留更多一些突出点以及周围有影响区域的信息。实验证明,该改进算法能满足用户的多尺度需求,有效地改善检索效率,减少了检索时间。