随着数字化技术的发展,在内蒙古自治区,越来越多的蒙古文古籍被转成数字图像,以便长久保存。但是以图像格式保存的古籍文档没有索引信息,无法实现全文检索,因此制约了古籍文献资料的传播与利用。本文关注蒙古文古籍图像检索技术,这为挖掘与利用蒙古文古籍提供便利。在图像检索领域,视觉词袋模型是近年来图像检索中最常使用的模型。然而视觉词袋模型有两个缺陷:一是视觉单词之间缺乏语义信息,这导致人对图像的相似性判别与计算机之间存在差异,也就是著名的"语义鸿沟"问题;二是视觉单词之间相互独立,忽略了相邻视觉单词之间的空间信息。本文针对这两个缺陷,提出了解决方法,具体如下:(1)针对视觉词袋模型中视觉单词之间缺少语义信息的问题,提出了视觉语言模型。首先,将扫描得到的蒙古文《甘珠尔经》图像切割成独立的单词图像。其次,从每个单词图像中提取局部描述子(即:视觉单词),并将单词图像表示成视觉单词的概率分布。其中,平滑策略被用于处理零概率问题。再次,根据给定的查询单词图像,采用查询似然模型计算查询单词图像与待检索单词图像间的相似度。最终,按照相似度降序可以生成一个单词图像列表,作为检索结果。(2)我们将视觉单词的空间信息和语义信息相结合,提出了空间视觉语言模型用于表示单词图像。首先,将每个单词图像沿着行、列方向划分为多个等大小的子区域。根据蒙古文的书写方式,我们确定了一种适合于蒙古文单词图像的子区域划分方式。其次,在每个子区域中分别构建视觉语言模型。然后,在单词图像匹配过程中,只有对应子区域的视觉语言模型进行相似度计算。最终,将这些子区域间相似度求和得到两个单词图像的相似度。