基于内容的图像检索(CBIR,Content-based Image Retrieval)是直接采用图像内容进行图像信息查询的检索,这一领域是多媒体检索中的热门课题之一。基于内容的图像检索方法,其主要思想是根据图像所包含的色彩、纹理、形状以及对象的空间关系等低层次图像特征来分析图像信息,建立图像的特征矢量作为索引,检索方法目前主要是根据图像的多维特征矢量进行相似查询。 本文主要研究基于图像颜色特征的检索。在回顾了图像检索技术的发展历程之后,我们阐述了基于内容的图像检索中的关键技术问题,提出了一种多分辨率分块主色法的颜色空间索引技术。我们首先对图像在不同分辨率(指的是不同分块密度)下进行分块,根据人类视觉和心理学特点,将RGB颜色空间转换到与人类视觉一致的HSI颜色空间,然后在HSI颜色空间提取出各分块中颜色数目最多的色彩(称为主色),并对每一分块的特征给出了一种特征向量表示方法,进而形成整幅图像的颜色特征空间。 由于特征矢量都是高维的,因此,在基于内容的检索中,距离计算会耗费大量的时间。为了降低特征空间中的维数,文中详细给出了颜色空间的量化算法,使得计算量得到降低。在图像的相似度度量中,我们采用在同一分辨率和不同分辨率下综合度量的方法,并在度量过程中根据用户的反馈引入不同的权重。 基于以上的算法,我们开发出了图像检索系统来验证其有效性和正确性。系统用Visual C++来实现该算法,并作了大量的实验,取得了较好的实验结果。