如何借助计算机技术快速准确判断附件证明材料是否重复使用是国家科学技术奖励评审迫切需要解决的问题。论文研究基于内容的证书图像检索技术,以解决从海量附件证明材料中的快速判别材料是否重复使用的问题,通过重点研究证书图像特征提取方法以及基于聚类的分级检索技术,解决证书图像检索的难点问题--图像特征提取和检索效率问题。在研究图像特征提取方法方面,基于证书图像特征的特殊性,论文在二值化证书图像的基础上,采用特征不变矩即伪Zernike不变矩对特征进行描述;在详细分析伪Zernike矩不变性的基础上,给出了伪Zernike矩的改进方法,使得改进后的伪Zernike矩在保持旋转不变性的同时,还具有真正意义上的比例不变性。在基于聚类的分级检索技术上,基于ART2网络具有在学习新的模式时不破坏已存储的模式的优点,论文采用ART2神经网络对特征矩的相似度进行聚类,可以快速的识别已存储的模式,通过调整警戒参数协调网络的稳定性和可塑性,实现快速聚类,解决证书图像的分级检索问题。论文通过对ART2网络设置漂移上限系数,使聚类更加严格,提高了网络对渐变模式的敏感性,解决了传统的ART2网络对输入模式渐变不甚敏感的问题。论文最后应用改进的伪Zernike矩特征提取方法以及改进的ART2神经网络聚类分级检索技术进行了应用建模,建立了证书识别的原型化系统,取得了满意的实验效果。实验表明,改进的ART2网络其聚类性能要优于传统的ART2网络。