随着PC技术、多媒体技术和网络技术的高速发展,数字图像逐渐成为信息的主要载体,并且在各行各业都得到广泛深入的应用。随之也逐渐形成了各种图像数据库。如今,大部分的数字图像资源是以压缩形式进行存储和传输的,而且压缩编码标准大部分是以DCT为基础的。为了更好的管理和使用图像数据库,研究基于DCT域的图像特征提取方法,并应用于图像检索技术中具有代表性。归纳、总结了现有基于DCT域的图像检索技术的研究现状,根据基本的视觉特征和DCT系数的特性对DCT域的特征描述方法进行分类:DC系数的平均灰度特征描述、AC系数的频带、方向统计特性的特征描述和纹理统计特征描述。介绍矩阵奇异值分解的理论、特性和在图像处理中的应用。提出了一种在DCT域获取图像的代数特征——SV特征矢量进行图像检索的方法。该方法把DCT系数的频带、方向统计特性与数学中的奇异值分解方法相结合,首先,在图像解压到量化的DCT域时,提取两个粗糙纹理矩阵I1 ,I 2。然后,分别对I1 ,I 2进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的主要信息。为了降低了算法对灰度值变化的敏感性,对原有欧式距离进行改进。最后,试验了该特征提取技术在检索处理图像库、纹理图像库和相似图像库的效果。实验表明,SV特征值并不影响其所对应的粗略图像矩阵对原图像的描述,这种方法不仅对图像的光照、几何变换、锐化、高斯模糊、噪声等具有很好的不变性,而且对相似图像和纹理图像都具有较好的检索效果。