随着计算机技术、多媒体技术的迅速发展以及Internet 的不断扩大,图像信息变得越来越丰富,如何快速地找到需要的图像成为亟待解决的问题。基于内容的图像检索技术旨在搜索出满足人们主观要求的图像,因此得到了广泛研究。模糊集理论能够促进基于内容的图像检索技术发展,使图像检索技术脱离精确的计算,更符合人类的模糊思维。论文着眼于这一点,讨论了融合模糊集理论的图像检索技术,分析比较了模糊聚类算法FCM 和人工免疫网络aiNet 聚类方法各自的特性,最后提出了基于区域模糊特征的图像检索的改进方法,使原有方法在速度和命中准确率上都得到提高,实现的系统也证实了这一点。论文主要作了以下工作: ¨¨系统地总结了基于内容图像检索的几方面关键技术,包括:低层视觉特征的提取算法、图像特征数据库的索引机制、相似性度量方法、图像检索查询方式、相关性反馈技术和图像检索算法性能的评价策略。¨¨讨论了这几种模糊特征提取技术:简单的颜色模糊直方图、基于颜色隶属模型的直方图、颜色和纹理综合模糊直方图方法、模糊形状表达技术。¨¨分析比较了模糊C 均值聚类算法FCM 和人工免疫网络aiNet 聚类算法的特性,通过它们对相对集中数据、稀疏分散数据、环状和螺旋分布数据聚类来进行比较,得到当遇到潜在的类或簇背离超球面结构时,FCM 算法表现不佳,而aiNet 可以很好的发现数据的内在特征,减少数据中的冗余、描述数据结构和聚类形状,表现良好的适应性。¨¨提出并且实现了基于区域模糊特征的图像检索的改进方法。有三点改进:采用量化再累计的方法来减少参与聚类运算的数据,而不影响聚类结果;使用边界矩来表征区域的形状特征;使用邻接表表征区域空间分布特征。实验表明,改进方法在速度和命中准确率上都得到提高。