近二十年来，在我国水产业获得迅猛发展的同时，着实存在着令人担忧的危机：鱼类病害频繁发生，生产管理水平低下，服务体系落后，经济损失严重。为解决病害频繁发生而领域专家缺乏的矛盾，减少病害带来的经济损失，使水产动物疾病达到及时诊断、适时防治的效果，国内外许多科研机构在对病害诊断与防治研究的基础上，研制开发了各种诊断专家系统，利用这些专家系统，模仿人类专家对水产动物疾病进行异地诊断和防治，很好地解决了专家缺乏的矛盾。 目前大多数鱼病专家系统，用户与系统交互时采用文字形式描述来选择病鱼的目检、镜检特征，但是病鱼的症状很难用文字准确描述且不同用户对相同症状描述不一致，就会造成推理结果的差异性。所以，其理论成果在实际推广中取得了一定的效益，但应用效果都不是特别理想。总结其根本原因，一方面，在人机接口设计上，系统都只是要求用户将所观察到的目检、镜检信息以特征选择方式，进行交互。然而，由于许多发病特征很难用文字来准确描述其内容，而且不同程度的养殖用户对同一类病症的描述不统一，造成推理结果的千差万别。另一方面，目前大多数诊断系统会构建微观镜检图像库、病症图像库，系统却只能根据用户选择的文字内容搜索图像库，而无法通过带病图像的上传，根据提取出的图像特征进行检索与匹配。 基于以上问题，本研究以经济类水产动物南美白对虾为研究对象，本文在虾病诊断的目检阶段和镜检阶段为专家系统增加了基于病虾图像内容的检索，用户除了给系统提供有关病虾的生长环境、病理特征等文字信息之外，还可向系统提供病虾图像，系统在自动提取图像特征后，按照匹配程度在标准虾病图像库中检索与病虾图像相似的标准虾病图像，反馈回的相似图像集恰好提供了后续的推理范围，避免了其在整个特征库中进行盲目诊断；而另一方面，它将被作为一种推理依据，将病虾的图像内容特征和病理特征相结合来描述需诊断的新问题特征，同时在知识库中增加了虾病图像特征内容，提出了结合图像特征的虾病案例推理专家系统，从而通过多种依据来提高诊断的准确率。 本文的研究重点主要在于图像检索部分，即：将检索到的与上传图像最相似的图像集提供给后续的推理模型，同时反馈给用户，以供用户查看并参与到诊断中来。具体包括：病虾图像数据库的建立、病虾图像特征的提取、基于图像特征及病理特征的检索模型和反馈机制。 首先，病虾图像数据库的建立及病虾图像分析；建立南美白对虾原体、细菌、病毒的数字标准病虾图像数据库；分析病虾的图像特点，经归纳得出，病虾图像的颜色、形状及纹理这三个特征可以很好地反映病变区域及病变细胞的特点。 其次，病虾图像特征的提取：根据南美白对虾病变区域及病变细胞的图像特点，建立相应的特征提取方法，提取出病虾图像颜色、形状及纹理的特征，进而建立图像特征数据库和图像特征与病理特征相对应的索引方法。同时，在病虾图像的形状特征提取中，提出了一种新颖的区域边界抽出算法-病变区域边界提取算法，该算法只要对边界周围的象素点进行8-邻域探测，便可快速而高效的得到目标区域的整个轮廓。 然后，建立图像搜索机制：本研究主要是对用户上传的病虾图像从颜色、形状、纹理三方面分别提取特征向量，并将图像特征(颜色、形状及纹理)和病理特征的各特征值形成一个统一的综合特征向量进行图像检索。 然后，建立用户反馈机制：用户根据自己的需要对检索的结果进行评价，评价的结果反馈给系统用以调整特征空间中各个特征的权重，在这里，提出了基于虾病综合特征向量的特征权重自适应调整算法，使得特征空间中各个特征的相对重要性更加符合用户的要求。 最后，给出了基于图像特征的虾病诊断系统中的系统架构，并分析了图像检索模块的实现。 通过实验分析及系统实现，充分证明，将图像特征加入到病理诊断的推理模型中，比传统的基于文字的诊断有更高的准确性和快速性。