数字信息化时代,多媒体是信息传递的重要载体和现代化发展的动力,广泛应用于生产和生活当中。一般地,主要包括两大研究领域,分别为数据库存储系统与计算机视觉技术。计算机存储与计算能力的不断提高,为了快速检索有价值的信息,数字图像检索成为目前研究的关键技术,也是近些年国内外研究热点之一。从传统基于文本的图像检索过渡到基于内容的图像检索(CBIR),突破了以往的图像内容表达的局限性,同样也给研究开辟了新的方向。基于内容的图像检索技术采取的是一种模糊匹配的思想。在基于内容的图像检索系统中,相对于颜色、形状、空间特征,纹理内容信息更能反映图像的平滑、疏密以及像素点排列的规则性特点。本文重点研究基于纹理特征的图像检索。主要内容如下:1.首先介绍图像检索技术研究的背景、现状以及存在的问题,概括性地阐述了基于内容图像检索基本原理和流程,算法的框架,以及相关的图像处理技术。此外,本文还介绍了近些年来有关纹理特征提取技术的研究现状,及其在相关领域中的应用。2.其次,论述了提取纹理特征的基本理论和常用方法。针对双树复数小波变换得到各子带系数之间存在的分布不完全对称的问题,本文提出了一种双广义高斯分布模型,形成有效的特征描述子,充分刻画了图像的纹理信息,并采用一种数值解法对模型的参数进行估计,有效的提高了检索的精度。3.另外,在不同尺度空间下,不同子带系数之间存在不确定关系。本文提出模糊集合理论与证据论证信息融合(FS-DS)的方法,采用模糊支持概率计算不确定关系,根据隶属函数确定各个尺度空间的可信度,并对每个尺度特征信息源进行量化处理,最后各信息源根据证据理论进行信息融合,使得检索结果更加可靠,准确。4.最后,本文方法与常用经典方法对若干个测试纹理图像库进行仿真实验。结果表明,双广义高斯模型能有效提高检索的准确度,并对算法时间复杂度进行了优化;在遥感图像检索的应用中,多尺度信息融合方法充分提取了图像的纹理信息,算法的检索精度有了明显的提高。