图像数据库检索是当今信息时代人们广泛关注的热点问题，主要包括对图像内容的描述(特征表达及提取)、图像数据库管理、图像匹配等内容。本文以图像数据库检索为主线，讨论了基于视觉内容的图像检索方法，提出包括基于区域颜色直方图、灰度—基元共生矩阵及向心矩比、偏心矩比、惯性矩比的特征描述方式；对遗传算法存在的早熟、收敛到最优解慢等问题提出了解决方法，并将改进遗传算法应用到图像分割中，编制了相应程序。 颜色特征是描述图像的最常用方法，颜色直方图利用图像颜色的比例分布能够较好地反映图像颜色特征。但是因为颜色直方图很难体现图像的空间信息，会出现同一直方图对应多幅图像问题。本文提出的基于区域块的颜色直方图技术，首先将目标集中在图像的中间区域，再将图像以金字塔结构形式进行分块。通过比较各个区域颜色直方图的相似性匹配图像，可克服全局直方图的局限性，对颜色直方图的度量是其中一个关键技术，利用惯性比来从颜色直方图提取特征，能够保证简单明了地表达颜色直方图。 对富含纹理图像，采用纹理特征表达会更有效，颜色的二维统计方式—灰度共生矩阵是常用方法。对于结构明显的纹理图像可以采用结构方法描述图像特征。本文将统计方法与结构方法有机地结合起来，构建了纹理基元，提出了描述纹理图像的灰度—基元共生矩阵，从这个矩阵中提取用以描述图像的特征值，并组成检索图像的特征向量。 图像分割是解决目标检测、特征提取和目标识别等问题的关键所在，形状特征提取的首要任务就是获得目标图像边界。利用遗传算法对图像能够实现单阈值和多阈值分割。本文首先对传统遗传算法进行了改进，提出了适应函数标定公式，定义了相似度概念。这样可以增加群体多样性，在一定程度上避免早熟现象发生；然后利用改进遗传算法对图像进行了分割计算，将目标与背景分割开来。 形状特征是对图像中边界清晰的目标的最好表达方式。但是即使是找到了目标轮廓，如何来有效地表示该轮廓也是非常困难的。本文提出向心矩比、偏心矩比、惯性矩比概念，对线性化后的轮廓应用本文方法，既能较好地描述图像目标，又具有旋转、平移和尺度不变性。 支持向量机(SVM)是近年来出现的分类方法。本文将SVM及其改进算法SMO应用到图像检索中，可以完成整类检索任务。因为SVM只能够用于两类分类问题，本文构建了二叉树分类器，将SVM技术扩展到多类别分类领域当中；利用前述的图像颜色特征、纹理特征和形状特征作为输入向量，通过训练得到支持向量，构建多类分类函数，进行图像检索。 图像数据库检索系统应能够完成检索、图像数据管理等任务。本文利用VB6.0编制了检索原型系统，包括有特征提取、数据库管理、匹配等模块，采用了基于文本、颜色、纹理、形状和SVM分类检索方法。实验结果表明，本文提出的图像颜色特征、纹理特征和形状特征能够满足对图像内容的描述要求；将支持向量机分类技术应用到图像数据库检索能够得到较好的检索效果。