随着互联网的高速发展,网上的多媒体数据呈现爆炸性的增长,相应的检索和查询技术已成为信息时代人们生活中必不可少的重要手段之一。如何有效地提取图像的视觉特征并用其来表征一幅图像的内容,通过特征的相似性匹配和相关反馈技术,方便自动地检索到所需的图像,即基于内容的图像检索(CBIR,Content Based Image Retrieval),成为了近年来学者和机构研究的重点之一。 分析和识别出图像中最能引起用户兴趣、最能表现图像内容的某些特定区域,通过提取这些区域的特征来描述图像重要内容,并基于这些特征进行图像内容检索,这是CBIR研究中更具有挑战性,也是更符合人类视觉感知特性的新方法--基于感兴趣区域(ROI,Region of Interest)的图像检索。 本文对基于ROI的图像检索方法的关键技术：感兴趣区域提取、区域特征描述以及特征匹配算法进行研究,并在理论研究的基础上构建了一个实用的基于ROI的图像检索系统。 本文的主要贡献和完成的工作包括： 1)提出了一种基于信息突变的图像感兴趣区域自动分割算法。该算法以信息突变理论为依据,通过一种增量式的分割算法,可以较精确的将图像的前景区域和背景分离,实现有效的文化遗产古建筑图像感兴趣区域提取。 2)定义了图像信息熵漂移(IES,Information Entropy Shift)的概念,并用这一新概念对感兴趣区域的特征进行描述。在颜色统计特征的基础上,利用信息熵漂移曲线模拟空间信息变化,实现了多特征融合的图像特征描述方法。 3)提出了一种新的基于信息熵漂移的动态差值匹配算法。该算法将信息熵漂移矢量的相似性匹配问题转化为二元函数特征曲线匹配的问题。曲线的变化趋势被作为曲线匹配的特征,并借鉴语音处理中广泛应用的模板匹配算法改点匹配为线段匹配,提高了算法的鲁棒性。 4)首次将基于感兴趣区域的检索的概念应用到文化遗产保护领域,构建了一个具有系统功能性完备、操作灵活的基于Web的文化遗产图像检索系统。