基于内容的图像检索的研究是近年来的一个研究热点,主要应用于互联网媒体检索、医疗图片、气象数据和气象信息等领域.对图像检索的研究涉及诸多领域,如多媒体数据库的管理、计算机视觉、数字图像处理、模式识别、信息检索等.图像检索的两大核心问题是图像内容的描述方法(即特征提取)和特征的匹配,该文的研究工作就是围绕这两大问题展开,并建立了一个基于内容的图像检索的开放式实验平台.图像内容的描述是图像检索的基础,该文从颜色和纹理两方面对其进行了归纳和总结.对于颜色,介绍了几种符合人类视觉感知的颜色空间,给出了几种常用的且较好的颜色特征提取方法及其优缺点;对于纹理,详细讨论了三种纹理特征.在此基础上实现了多种查询手段的图像检索算法,并且在建立的彩色图像数据库上对这些算法进行了实验.该文在图像反馈检索过程中引入了支持向量机学习方法,并对支持向量机在图像检索中的应用作了较全面的研究.比较了使用支持向量机的反馈检索和传统的反馈检索方法的检索性能,并采用三种核函数进行了对比实验,研究了特征选择对向量机性能的影响,最后还将单分类和二分类的支持向量机做了一下对比.实验表明支持向量机能有效捕获用户需求,提高图像的检索效率;高斯核函数较多项式核函数和sigmoid核函数具有更强的泛化能力;多类别的特征选取有助于检索性能的提高;单分类向量机的性能较二分类的要差.在以上算法研究基础之上,我们建立了一个基于内容的图像检索实验平台,讨论了系统的组成模块和功能,介绍了系统提供的各种查询手段,给出了一些检索实例,并验证了前述理论研究的结果.