随着科技的发展和人们生活水平的不断提高及计算机在全世界范围内的普及,同时,具有拍照功能的数码相机和手机也几乎是人手必备的产品。海量的数字图像在这样的背景下每天都在以爆炸式的速度增长。并且,随着生活节奏的加快及生活习惯的变化,相较于传统的文字信息,人们更愿意通过直接明了的图像去表达沟通。在生产工作中,数字图像也越来越成为必不可少的一部分更或是发挥着关键的作用。当面对这些变化时,对数字图像的存储管理就变得十分重要,面对大规模图像库时,如何能从中快速的找到所需图像,如何能在图像所表达的繁复冗杂的信息中找到关键信息,如何能通过一幅图像找到一系列相关的或不同角度的其它类似图像等,正是对图像管理提出的目标。基于内容的图像检索技术(Content-Based Image Retrieval,CBIR)就是为了解决这些问题而被提出的,并迅速成为人们关注的重点,本文围绕基于内容的图像检索技术,为使它具有更好的检索效果和性能,对其中的一些关键技术进行了深入的探讨和研究,主要内容包括以下三个部分:1、提出了一种基于统计模型的图像检索方法,针对含有大量纹理信息的图像,如何用更少的特征值更准确表征图像的问题。该方法首先对灰度图像进行非下采样Shearlet变换(NSST);对分解得到的高频子带系数进行基于贝塞尔K分布(BKF)的统计建模,经大量实验验证和理论都表明,BKF分布符合非下采样Shearlet变换的高频子带系数的统计特性,因此,针对每一个高频子带我们可以用BKF分布的参数来代表其特性,作为纹理特征;最后通过相似度计算,比较待检索图像与图像库中的图像之间的相似性,返回检索结果。仿真实验表明,这种基于贝塞尔K分布统计模型的图像检索方法由于其特征维度低同时又很好的表征了图像的特性,所以具有快速且理想的检索结果。2、提出了一种基于多特征融合的彩色图像检索方法,以解决对于单一特征无法对图像进行全面刻画从而导致的检索效果不理想的问题。该方法以圆谐-傅里叶矩和金字塔双树方向滤波器组(PDTDFB)的相关理论为基础,首先将彩色图像从RGB空间转换到Lab空间,对色差分量ba,计算其圆谐-傅里叶矩作为颜色特征;使用金字塔双树方向滤波器组(PDTDFB)对亮度分量L进行分解,在PDTDFB域上,计算基于幅度和相位的方差和熵作为纹理特征;最后对两种特征进行归一化,并通过参数选择实验确定适用于检索的圆谐-傅里叶矩阶数,PDTDFB分解级数,颜色与纹理特征的最佳权值比例等参数,最终向用户返回检索结果。仿真实验证明,这种融合了颜色与纹理特征作为图像特征的检索方法能更加完整的表达图像内容,检索精度较为理想。3、提出了一种基于相关反馈的彩色图像检索算法,针对仅依靠基于底层特征的图像检索算法无法达到满意的检索结果时,为解决其中所存在的“语义鸿沟”问题所提出的应对方法。该方法首先在反馈过程中使用一种新的主动学习的方法,该算法能有效减少用户标注的工作量,缓解传统相关反馈方法中正反例不对称的问题;在选择未标注样本进行标注并入训练集的过程中,使用一种较传统算法具有更好分类效果的基于扩散距离下的Kernel K-means算法;最后使用一种更有效的SVM分类器,通过为离群值设置固定的松弛变量,有效降低了反馈训练过程中的时间复杂度。仿真实验证明,这种结合了优化反馈过程以及样本标注过程的算法在大大降低了反馈次数的同时取得了较为理想的检索结果。