图像数据库的核心技术是图像检索。图像检索则是近年来海量信息处理面临的“瓶颈”。基于内容的检索最具有本质性,已经成为当前国内外研究的热点。图像检索技术的两大关键是图像特征的提取和相似性度量。在人类视觉属性中,纹理作为基本的视觉特征之一,分布十分广泛。针对纹理的研究虽已经历了相当长的时间,但对纹理的明确定义直至目前尚未出现,纹理应用于图像检索的时间也是相对短暂的。基于纹理特征的图像检索是基于内容的图像检索研究中的前沿技术。 本文分析、比较了经典的纹理特征提取方法和纹理模型,以及常用的相似度计算方法,指出其各自的优缺点。而后,着重对纹理特征的提取和纹理特征相似性的度量进行了深入研究。 本文运用Gabor基小波技术提取纹理特征。该方法融合了Gabor变换、小波技术、多分辨率技术的优势,在不同的尺度和方向上获得纹理特征的信息,共同构成纹理特征矢量。根据Gabor纹理特征在不同方向上能量分布的特点,对其进行了改进,使得Gabor纹理特征具有了方向旋转不变性。 在纹理特征相似性的度量研究方面,提出了一种新的纹理相似度计算方法——基于聚类空间模型的纹理相似性度量。在该模型中,应用簇集结构,表示纹理特征的分布属性。将Gabor纹理在特征空间中进行聚类处理,获得表现图像纹理分布的主要聚集及其权值,构成簇集,以较少代价获得了更为简洁、明晰的纹理表示;簇集之间的相似匹配,引入EMD进行计算。深入研究了EMD定义、特点、计算理论、计算方法,并对EMD作为度量的概念进行了数学证明,完成了聚类空间模型的构建。 实现了一个原型系统,对本文提出的检索技术进行了仿真实验。针对单纹理的图像检索,给出了与传统方法的比较结果;特别是对多纹理图像的检索,分析了纹理分割给检索结果带来的负面影响。基于聚类空间模型,提出了一种无纹理分割的部分匹配方法,避免了纹理分割可能带来的检索误差。实验结果表明,采用本文提出的改进Gabor纹理特征以及基于聚类空间模型的相似性度量方法,进行图像检索,与人类视觉认知的结果更趋一致,完全能够满足基于纹理特征的检索要求。