多媒体技术快速发展,图像数据资源日渐丰富,如何快速精确地从图像数据库中检索出需要的图像是目前急需解决的问题。为了解决这一问题,本文从小波变换基本理论出发,指出了小波变换在处理一维信号的优越性和处理二维以及多维信号的局限性。为了解决小波变换在检索系统中的不足,引出了轮廓波变换。相对于小波而言,轮廓波变换具有多尺度、局部化、低冗余、多方向、移不变等特征,在图像去噪、图像压缩、纹理图像检索等领域都有明显的优势。在简要对基于内容的纹理图像检索系统(Content-Based Image Retrival,简称CBIR)基本结构进行介绍之后,文章对纹理检索系统的各个部分进行了详细描述。在多尺度分析部分,从应用轮廓波变换的必要性入手,介绍了影响检索特性的拉普拉斯金字塔(Laplacian Pyramid,简称LP)框架、方向滤波器(Directional Filter Bank,简称DFB)等。对检索系统纹理特征的提取方法、特征向量以及特征向量库的构造、Canberra距离、相似度函数等作了详细描述。同时,特征向量、滤波器类型和分解参数会影响检索结果。局部二值模式(Local Binary Pattern,简称LBP)主要通过考虑图像的形状和纹理特征来提取图像信息,并将提取出来的图像信息连接成特征直方图来精确表示图像。该方法同样经常用于构建纹理图像检索系统中。在LBP思想的启发下,研究人员提出了一种提高LBP检索率的增强算子(Local Oriented Similarity Information Booster,简称LOSIB)。该算子能够比较有效地提高已有系统的检索率。但是作为独立的纹理图像描述算子,则不能准确地刻画纹理特征。本文对于LOSIB算子进行了改进,提出了一种新型的多尺度纹理特征描述算子(Multi-Scale Local Oriented Similarity Information Statistical Descriptor,简称MSLOSISD)。该算子在采用LOSIB算子提取各种不同方向差值之后,对于这些差值进行统计测量,得到这些差值的均值、方差、偏度和峰度等特征量,并将这些特征进行级联,得到纹理图像的描述子,从而能够有效的对纹理图像进行建模。文章采用这种纹理特征算子构造了纹理图像检索系统。实验结果表明,以该算子为核心构造的检索系统具有较高的检索率,同时所需要的特征向量的维度较低,检索速度较快。轮廓波变换在处理纹理检索问题时需要进行比较复杂的变换才可以得到特征向量,而特征向量库的建立也需要较长时间,而且在图像数据库扩展时,需要对特征向量库进行更新和升级,这些问题在一定程度上影响了纹理图像检索的效率和精度。为了缩短检索时间,提高检索速度,将轮廓波变换得到的主要特征与局部定向统计信息增强算子LOSIB特征进行级联得到新的特征向量。通过实验,验证了这种将轮廓波和LOSIB融合的特征向量能够提高纹理检索系统的检索率。