随着计算机技术和网络的迅速发展,信息采集、传播无论是在速度还是规模都达到了空前的水平。特别是伴随各种数码电子产品的普及,每天新增的图片数量达到了极高的数量级,如Facebook、腾讯等热门网站每天用户上传的图片数量就可达到数千万张。如何有效的管理、查询图像信息并使之更有效的与其它用户分享成了亟待解决的问题,图像检索技术自然也就成为近年来国内外研究的热点。现在常用的方式是基于文字的图像检索(TBIR),如谷歌、百度等搜索引擎。但一幅图像胜过千言万语,不是所有的东西都可以用文字描述,不是所有的东西都在文字里描述了,TBIR并不能解决所有的问题,而基于内容的图像搜索(CBIR)能提供TBIR所不具备的功能和应用。本文围绕如何提取有效图像视觉特征、如何衡量图像之间的相似性以及如何加速基于内容的图像检索以达到实时检索的目的来展开研究。本文的主要内容包括:1、研究和分析图像特征的不同提取方法,包括纹理、小波、轮廓、颜色、兴趣点、显著点等一系列图像特征。2、在研究经典CBIR系统的基础上,建立了一个图像检索框架,包括特征提取、特征保存、图像搜索、结果显示等,该框架具有模块替换性、接口灵活、易于维护与扩充的特点。并且该平台为其他多媒体挖掘算法的实现提供了基础。3、使用聚类和GPU加速图像搜索,充分利用GPU(Graphic Processing Unit)的运算能力实现图像检索加速,已成功达到20倍加速比(NVIDIA 9500GT,Intel E2200单线程)。4、在CBIR基础上实现视频检索原型,实现视频镜头分割、视频关键帧提取等。可根据输入图片找到视频中对应或者相似的信息。