随着移动互联网的快速崛起,图像信息资源也越来越多,图像搜索引擎的使用频率也不断升高。但是,随着图像数据的增加,用户的需要也越来越多样化。类如:如何利用互联网快速准确的检索出有用的图像资源;如何把图像相似度算法应用到其他场景等。以上问题是本文研究的主要内容。本文通过对图像相似度算法的改进,旨在提高图像相似度算法的精确度和时间复杂度,并且把改进的图像相似度算法用于城市场景监测系统中。论文的主要工作如下:本文首先对奇异值分解相关理论进行学习,发现可以把奇异值分解的有关理论知识,用到研究图像相似度算法领域。基本的研究思路是:首先对图像采用奇异值分解,然后提取图像的奇异值,最后对图像进行相似度度量。在实验的过程中发现,提取图像奇异值非常耗时,而且随着图像尺寸的增大,算法的时间复杂度呈Ο(n~3)。本文通过一种对图像进行分块的方式。先把图像划分成块,然后提取分块后的每一个子图像的奇异值,最后把每个子图像的奇异值组合成一个整体的奇异值向量,然后进行相似性度量。本文设计了较为详细的图像分块策略,以及给出了基于奇异值分解计算图像相似度的详细步骤,并且进行了多组实验来验证改进算法的准确性和可靠性。实验表明:这种基于分块的奇异值分解算法确实能提高提取图像奇异值的耗时,进而提升了计算图像相似度的整体运行效率。其次,本文对图像的基本特征进行学习研究。然后基于图像的颜色特征对图像进行相似度研究。在研究的过程中发现,传统的颜色直方图算法仅仅描述的是某一种像素在图像中出现的频次,而不能准确的描述图像中各个像素在整个图像中的位置信息。本文融合图像的纹理、颜色,对图像进行相似度计算,并且给出了详细的算法设计和相似性度量公式。最后选取了两组实验图像,对改进后的算法进行多次实验。实验结果表明:这种融合图像纹理特征的方法,确实能够弥补颜色直方图算法的不足,从而进一步提高图像相似度算法的精确度。最后,把改进后的两种图像相似度算法应用到城市场景监测系统中,并且给出了系统的整体架构图以及对系统的核心功能模块作了较为详细的说明。选取了两组真实的城市场景图像进行多次仿真实验,再次验证了改进算法的准确性和可靠性。