随着互联网及多媒体技术的飞速发展,数字图像数量快速增长。如何快速、有效地从海量图像数据库中检索出所需要的图像已显得日益重要,这也使得图像检索技术受到广泛关注。90年代出现的基于内容的图像检索直接利用图像的底层视觉特征进行检索,有效地提高了图像检索的精度和效率,为图像检索提供了广阔的应用领域。而相关反馈和图像分类作为图像检索中的重要技术,更是成为基于内容图像检索领域中的研究热点。粗糙集理论是当前处理模糊和不确定性问题的重要数学工具,它的优点在于能够从客观数据中在无需外界额外条件的情况下推导出问题的内在规律,近年来已在图像检索领域得到广泛应用。论文着眼于这一点,以基于内容的图像检索为主线,粗糙集为理论基础,对相关反馈和图像分类方法作了深入研究。相关反馈机制有效地解决了图像检索中的“语义鸿沟”问题,大大提高了系统的检索性能。本文在对相关反馈方法进行总结分析的基础上,针对相关反馈方法的研究现状,提出一种基于粗糙集的相关反馈方法。该方法利用不完备熵和粗糙熵相结合进行属性约简来归纳用户感兴趣的检索特征,实现了图像特征的降维,减少了相似性匹配的计算量,提高了图像检索的效率;对化简后的特征,通过调整其权重来突出用户感兴趣的内容进行相关反馈检索,进而提高了检索的准确率。文章最后通过实验证明了所提出的方法具有较好的检索性能,并与Rui的方法相比较,查准率和查全率都有显著提高。图像分类是图像检索的基础,有效的图像分类技术是实现图像快速检索的有效途径。本文将粗糙集的隶属度函数引入到分类方法中,利用隶属度函数来计算属性集等价类的隶属度,无需求核值表,就可得到分类规则的最少条件属性集,进而获得所有的分类规则。文章最后通过实验证明了所提出的分类方法具有较好的分类性能,与传统的贝叶斯分类方法进行了比较,查准率有较大的提高。本文设计并实现了一个基于内容的图像检索原型系统,验证了本文提出的算法,也为进一步研究工作提供了实验平台。