随着多媒体技术和万维网的快速发展，从海量图像数据中检索出来人们需要的图像信息成为一个急需解决的问题。不同于传统的基于文本的图像检索方式，基于内容的图像检索成为大规模多媒体数据库高效管理和检索的新兴技术，基于内容的图像检索是建立在计算机视觉和图像理解、图像分析基础之上的，它涉及到信息检索、图像处理、模式识别、计算机图形学、数据库管理等诸多方面的技术。基于内容的图像检索是近年来图像信息检索领域的一个研究热点。基于脉冲耦合神经网络(Pulse Coupled Neural Networks，PCNN)和智能计算的技术，本课题进行了智能计算、PCNN在图像去噪、分割和识别检索的理论应用的研究，形成了基于智能计算和PCNN的图像处理与检索识别的总体方案，通过实验仿真，取得了良好的效果。论文的主要工作和取得的成果可归纳为以下五个部分：1.智能计算应用于图像分割。总结了图像分割的基本理论和常用方法，介绍了最大类间方差和最大熵理论，进行了智能计算图像分割的研究。将遗传算法与最大类间方差、最大熵理论结合，设计了有关分割算法，通过相应的仿真实验，取得了较好的效果，还在实验中与matlab自带函数、最大类间方差法分割结果进行了比较。2.智能计算应用于图像识别。智能算法在图像识别中，选择的智能算法是BP神经网络，分析了BP网络分类器的设计，输入层、隐含层、输出层的设计，选用传统的梯度下降算法，主要识别含有数字的图像，并且完成了相应的仿真实验。3.设计了PCNN和保持边缘模板相结合的算法并用于图像去噪。主要对图像中的脉冲噪声进行处理并提取边缘。完成了相应的仿真实验，包括静态单张含噪图像的噪声去除和序列含噪动态图像目标图像的噪声去除处理。4.免疫算法优化PCNN参数用于图像分割及特征提取。与最大熵、最大类间方差分别相结合，设计了免疫算法优化PCNN参数的算法，完成了相应的仿真实验。在此基础上，统计每次分割时二值图像中的“亮”点的个数，得出时间序列（时间签名）作为图像特征。通过实验，验证了图像目标在旋转、平移、尺度变化、扭曲等变换后，其时间签名具有不变性。5.形成了去噪、分割、提取特征进行图像识别的整体解决方案。使用PCNN和保持边缘模板相结合进行图像去噪、免疫算法优化PCNN参数和最大熵、最大类间方差结合进行图像分割、提取时间签名用于图像检索，完成了基于内容图像检索系统的实验原型系统。