本文针对目前基于内容的图像检索算法在算法效率和准确性方面存在的局限性,探讨了基于内容的图像检索技术中若干重要问题,提出了一种注意力驱动的两阶段图像检索方案,着重研究了基于内容的图像检索中特征提取、显著目标分割以及基于区域的相似性匹配等方面,构建了一套相对完整的图像检索方案,并实现了相应的原型系统。实验表明,本方案较合理地解决了目前检索系统的局限性。在简要介绍了基于内容的图像检索的基本技术以及国内外发展与应用现状的基础上,本文论述了以下几个方面的问题:第一,检索问题本质上是分类问题,与识别问题不同的是,检索中每类样本的数量大于或等于一。基于这一认知,本文对目前流行的模式分类方法进行了相对深入的研究,总结出了适合于图像检索问题的分类算法及类别判定算法,在进行检索之前先对图像进行预分类,再以图像类为目标进行二次检索,解决了检索系统运行效率低的问题。第二,目前的检索系统大多使用全局特征,这样,占有图像大部分的背景往往决定了检索结果,误导用户对检索结果的理解,进而将相关反馈引向了错误的方向。本文在研究了基于区域的检索技术的基础上,进一步提出了注意力驱动的图像分割方案,使基于区域的检索在自底向上的视觉注意力模型的驱动下进行,较好地解决了目前检索系统准确率低的问题。最后,详细论述了适合于基于区域的检索的相似性匹配技术。本文的创新点在于:?将检索过程在逻辑上划分为两个阶段。在精细检索前脱机进行图像分类,大大提高了检索效率。?摒弃了以往盲目提取感兴趣目标的图像分割方案,使分割符合人类视觉注意力选择这一生理过程,提高了检索准确率。