随着多媒体技术、互联网以及数字成像技术的飞速发展,使得图像信息的有效检索成为迫切需要解决的问题。对于图像检索来说,最终面向的是用户,设计人性化的检索系统是图像检索发展的最终方向。由于基于感兴趣区域(Region of Interset, ROI)的图像检索技术更加贴近用户需求,因而该技术逐渐成为目前基于内容图像检索研究的热点问题。基于感兴趣区域检索技术的关键在于感兴趣区域的提取,但由于图像内容的不确定性以及分割技术的不完善,感兴趣区域的自动提取至今还没有一种普遍适用的方法。本文在回顾了基于内容的图像检索技术的现状和图像感兴趣区域的概念、特点及其提取方法研究的基础上,重点分析了目前图像感兴趣区域的提取方法,在此基础上,提出了三种图像感兴趣区域提取方法:(1)在深入研究基于边缘检测技术的ROI提取方法的基础上,结合粗糙集技术,提出了一种图像感兴趣区域提取算法。针对边缘检测方法的抗噪性能差以及提取图像感兴趣区域时出现不完整和不精确的问题,在图像处理过程中,引入了粗糙集理论。其算法过程为:首先,基于先验知识描述,确定粗略ROI区域,然后,提取和ROI区域标定有关的底层图像特征如灰度、边缘、位置等,在对特征属性离散化后,构造出反映分类关系的信息表,并依据不可分辨关系划分获得基本像元区域,最后,以初始ROI区域的上近似作为最终提取的ROI区域。(2)在常规区域生长算法的基础上,提出了一种基于粗糙集的感兴趣区域提取算法。常规区域生长算法在区域生长过程中没有具体地制定区域生长过程停止的条件或规则,结合粗糙集理论,在显著度图和相对位置指示图的基础上,以像素点的显著度、相对位置及颜色信息构成知识表达系统,通过属性约简和值约简,导出了有用的区域生长决策规则,然后根据决策规则生成感兴趣区域(ROI)。该方法弥补了区域生长算法的不足,提高了感兴趣区域提取的准确性。(3)提出了基于感兴趣点的感兴趣区域提取算法。首先基于多尺度曲率多项式来提取图像的角点,然后结合凸壳理论,提出采用包含所有角点的最小凸多边形作为图像的感兴趣区域,实验结果证明了该方法不受图像旋转、缩放及仿射变换等的影响。