基于内容的图像检索(CBIR)是当前图像工程热点课题之一,它直接对图像内容(如图像的颜色、形状、纹理、背景等)进行分析,并对图像特征进行合理的描述,使得检索过程更加有效,更能适应人的视觉特征。而形状是把一个物体从它的周围物体区别出来的重要特征,是图像最显著的视觉特征之一,基于形状的图像检索是基于内容的图像检索的一个十分重要的方面,通过对形状特征的分析,可以找到其更有效的表示方法,对图像数据库中的图像进行匹配与检索。本文的主要研究内容和贡献如下:(1)对基于形状的图像检索的关键技术——形状特征的分析与检索,以及形状的相似性度量、图像检索衡量标准等进行了深入的研究,总结了目前已有的一些方法,并从应用的角度分析了它们各自的优缺点。(2)改进了一种基于最小惯性轴的图像匹配与检索方法。这种方法是将原有基于最小惯性轴以及特征点之间的结构关系进行改进,它具有良好的平移、旋转和尺度缩放不变性,能够同时利用形状边界轮廓和区域信息,且对于存在缺口的形状是健壮的。此方法具有较高的性能和检索效率。(3)对已有的多边形匹配检索方法进行了对比的研究,对几种代表性方法进行了实验比较,并提出了利用最小惯性轴与链码方法结合,对多边形进行三角剖分的检索方法。通过将此方法与其他几种方法的实验比较,表明此方法具有较高的检索精确性。