图像涵盖了大部分的信息,每天有成千上万的图像信息将要被储存等待被处理,近年来很多研究人员都致力于对于图像处理的应用。如何详细正确的描述一幅图像的内容是研究人员的工作重点。经过几十年的研究与发展,基于内容的图像检索技术是现阶段最主流的方法,它是一种采用很多数学模型提取图像的色彩特征信息、轮廓特征信息、纹理特征信息等等来实施图像识别和图像匹配检索的技术。一般采用的匹配方法有灰度直方图、尺度不变特征变换、词袋方法等等。本文通过对基于内容的图像检索技术进行更深一步的研究,从两个方面针对两种不同的图像检索方法做了改进。1.针对部分医学图像,提出了基于Gabor-Zernike的图像检索的改进方法。Gabor滤波器可以很好的提取图像的形状信息,并且不受其他因素的影响而Zernike矩阵可以很好的处理图像的纹理信息。基于内容的旋转不变的Gabor-Zernike方法是将Gabor与Zernike矩阵相结合,用相同的尺度和不同的角度来提取图像的旋转不变纹理特征。实验结果表明,相对已有的图像检索方法有较高的效率,克服了现有技术中由于描述不准确而引起的精度下降的缺点,使得在有噪声的情况下检索精度更高。相对已有的图像检索方法有较高的效率,并且运行时间较短。2.针对部分自然图像,提出了基于词袋图像检索的改进方法。词袋图像检索是针对自然图像方面最主流的方法之一,但是它仅使用了局部特征信息而忽略了图像本该存在的整体空间位置信息。希尔伯特曲线是一种能够填充整个二维空间,并且保持点与点邻居之间信息的一种曲线。我们应用改进后的希尔伯特曲线来加强词袋方法的空间信息,然后生成一种希尔伯特曲线树结构来进行图像匹配和检索技术。实验结果证明,改进后的希尔伯特曲线树结构在扫描图像选择路径上有更好的结果,并且此算法的平均准确率有不小改善。而且路径的正确选择,理论上也会减少树结构在生成的时候所产生的层数,层数越少,每一层的信息量越集中,产生字典时的复杂度会越低,因此理论上本算法也会更高效。论文针对于不同的图像采取了不同的改进方法,这也是图像检索领域的一大难题:针对特征不一样,规律不一样的图像数据库,没有一个统一的方法来进行评价估计。因此针对于统一领域,找到一个较有效较统一的方法是此后的研究方向。本课题获国家自然科学基金(No.61373111)、省自然科学基金(No.2014JM8321)、中央高校基本科研基金(Nos.K50511020014,K5051302084)的资助。