基于内容的图像检索是一种新兴的图像检索技术,不同于传统的基于文本的图像检索,该技术通过以某幅图像作为检索示例来获得与之相关的图像,因此其一方面节省了文本标注的人工活动,另一方面又扩展了图像搜索方式。图像特征提取和相似度衡量是构成基于内容的图像检索的两个基本技术,其中,图像的内容由特征提取模块所产生的特征来描述,而相似度衡量则基于这些特征计算出图像间的相关性。很多工作已在这两方面展开,然而,传统的特征提取方法往往只是考虑图像中颜色或纹理的统计特性,并没有将空间分布信息融入到特征中,因此图像内容分辨能力不强,而很多相似度衡量方法则忽略了人类视觉对图像的感知,导致了相似度衡量不准确或计算量大的缺点。本文旨在对上述发现的问题展开研究,在特征提取,相似度衡量等方向上提出新的方法,本文主要贡献包括以下几个部分：1.提出一种新的基于脉冲耦合神经网络的特征提取方法。针对现有特征提取方法中缺少空间分布信息的缺点,我们将一种改进的脉冲耦合神经网络——unit-linking PCNN引入到特征提取中。由于该网络的点火机制和传播特性,它不仅考虑到图像的颜色统计特性,同时也融入了空间分布信息。我们将该网络应用于图像的颜色和纹理特征提取上,同时结合颜色分布熵来进一步描述颜色的空间形状。实验结果表明,该方法可有效地提高检索精度,提升相关图像排序的整体效果,并且具有更少的特征存储空间。2.受到人类视觉对图像感知的启发,我们提出了设计相似度衡量方法的三个准则,并在此基础上推导出了一种新的基于颜色特征的相似度衡量方法。该方法将图像中占有不同比重的颜色赋予不同的优先级来与其他图像中的颜色进行匹配,同时,将颜色间的相似性和比重上的相似性纳入衡量方法中,并且充分考虑各颜色所作的贡献度,以此来获得最终的图像间相似度。实验表明,由于根据不同颜色对图像内容的贡献度作了区分,本文方法在提取少量颜色的情况下能获得比传统相似度衡量方法更高的检索精度,同时具有更小的时间复杂度,检索图像的速度更快。3.为了进一步提高图像检索的效果,我们将传递学习方法引入到图像检索中,提出一种基于自适应近邻图的图像检索方法。在该方法中,一种新的图结构被用来组织图像库内的图像,而区域和全局特征则被同时利用来决定这张图中边的权值。通过这张图,我们利用传递学习方法来进行图像检索,并且融入包括短期和长期在内的相关反馈策略来改善效果,该基于图的方法对库外图像检索的扩展方案也被提出。实验表明,相较于传统经典方法,本文所提方法在图像检索精度和相关反馈效果上都有大幅的提高。