随着图像检索技术在众多领域的广泛运用,如何实现准确且有效的检索一直是图像检索研究的难题。为了提高图像检索系统的检索精度和排序值,本课题在基于内容的图像检索相关技术的理论基础上,针对图像的颜色、纹理和形状特征的提取方法展开了相关的研究,研制了一种有效的综合多特征的图像检索技术和检索系统。本课题主要研究内容如下:(1)在提取图像的颜色特征方面,采用了一种新颖的分块颜色体积核特征方法。在颜色量化的基础上,利用颜色体积直方图对颜色的整体信息和空间信息进行描述,同时考虑到图像的主要目标部分位于图像的中间区域,以及为了解决在相似度计算的过程中产生线性不可分的问题,提出重叠九分块策略并引入了核函数,最后对颜色特征进行了较好的表达。(2)在提取图像的纹理特征方面,传统的LBP算子抗噪性和对于不同的结构模式识别性都较差,从而不能对纹理特征进行较好的表达,因此本文提出一种新颖的MLBP算子方法。其核心是采用(μ-σ,μ+σ)作为局部二值化的阈值,同时为了表达主体部分的纹理结构,对图像采用一定的非均匀的分块模式。(3)在提取图像的形状特征方面,采用了一种新颖的基于边界元特征的描述方法。该方法首先在颜色量化的基础上提取每个边界网格的颜色代表值;然后用定义的四种边界元描述子对目标物体的边界网格进行扫描,分别得到边界元直方图和边界元自相关图。(4)采用VC++6.0设计简单且便于操作的多特征融合检索原型系统,实现了在同一检索系统上完成基于不同单一特征的检索以及综合多特征进行检索的实验对比。