互联网上海量的图像数据致使基于手工标注的图像检索方法无法实现。基于内容的图像检索(Content-based Image Retrieval,CBIR)成为了研究热点。通常的CBIR方法是提取图像特征,定义特征匹配方法,实现检索。但是,由于彩色图像本身的复杂性,使得提取有效的特征变得非常困难。模拟人类对图像的理解方式是近些年的一个趋势。本文在HSV颜色模型下用模糊推理模拟了人类对颜色的感知过程,实现了对颜色语义的识别,并在此基础上提出了一种CBIR方法。　　首先,本文引入模糊集概念,改进了饱和度-亮度平面上对彩色与非彩色的区分方式。使得彩色与非彩色的辨别更加符合人类对颜色的感知规律。依据人类对颜色认识的模糊性,本文将饱和度与亮度划分为不同的等级,每个等级表示一种语义。由HSV颜色模型的特性构建了饱和度语义、亮度语义到颜色语义的推理规则。按照这个规则以及颜色与彩色、非彩色的关系,通模糊集运算,得到表示颜色语义的模糊集。最终本文给出了饱和度语义和亮度语义到颜色语义的蕴含关系。对于给定像素,本文取了饱和度值与亮度值携带的语义,结合人类对色相的固有分类,通过模糊推理判实现了对像素颜色的识别。　　其次,在提取特征时,为了避免复杂的图像内容给特征提取带来的不利因素,本文应用以上对颜色的识别方法,将图像分解成若干个子图,每个子图中只包含具有相同颜色语义的像素,并且这些像素保持了其在原始图像中的位置。本文将这些子图命名为“单色区域”。图像特征提取就是在这些单色区域上进行的。本文提取了单色区域的面积、散度、质心、形状特征。特征匹配过程中,本文比较了两幅图像中具有相同颜色的单色区域,由此定义了图像之间的距离函数,进而定义了特征匹配方法。　　最后,综合本文提出的基于模糊推理的颜色识别方法、单色区域的概念、图像特征提取方法以及图像之间特征匹配方法,形成了基于颜色模糊推理的图像检索系统。本文对此系统进行了设计与实现。选取不同参数进行了图像检索实验,验证了本文方法的有效性。