随着人们对数字图像使用需求的日益激增,如何快速、准确地从海量图像集合中检索出需要的图像已经成为亟待解决的问题。基于内容的图像检索(Content-based image retrieval,CBIR)技术的研究目的就是为了解决如何有效地从图像数据库中检索相关的图像。此项技术已经成为国内外研究的焦点,在众多领域都取得了广泛的应用。本文围绕基于内容的图像检索技术这一主题展开讨论,系统地研究了图像低层特征的提取方法和相应的匹配技术,主要涉及颜色、纹理和形状特征。文本的主要研究工作概括如下:使用量化的CIELAB色彩空间获取分段的颜色分布,并依据颜色直方图理论提取颜色特征。采用多分辨率通道能量模型进行纹理分析,依据Gabor滤波器理论提取具有不同方向和尺度的纹理特征。以Burns的经典直线段提取算法为基础,利用感知分类原理将直线段汇聚成L型连接、U型连接和平行线组等有意义的结构。在研究上述三种特征的提取算法基础上,实现了一套基于B/S架构的CBIR平台,并构建了包含10000幅图像的测试用图像集。该系统支持数据库图像检索和本地图像检索两种模式,利用上述各类图像特征及其权值作为检索条件。实验分析了不同特征对植物、建筑、交通工具、自然风光等不同类别图像的检索适用情况,证明了综合利用三种特征能够显著提高系统的检索正确率。