随着互联网技术的迅速发展,网上的多媒体信息也越来越多,特别是近两年来,数码动画继音乐和图片之后异军突起,成为又一种互联网上用来传播信息的常见数字媒体。因此,迫切需要一种技术对动画进行分类,检索和过滤。过去几年中迅速发展的CBIR技术虽然对静态图像取得了满意的效果,但是这些技术并不是针对动画设计的,无法直接用于动画的分类,检索和过滤。鉴于此,本文尝试在传统CBIR技术的基础上,提出一种用于基于内容的动画短片分类方法。由于现在许多动画被用作广告,对用户来说是一种垃圾信息,因此找到一种检测和过滤这种信息的方法是很有价值的,在本文中,主要按照这两类对动画进行分类。考虑到动画与图片分类的主要不同来自于特征提取,而分类器并不关心其输入的特征向量是来自于动画还是图片,因此本文将重点放在特征的提取和分析上。本文首先介绍了基于内容的图像检索技术的发展现状、系统构架以及关键技术基础,详细阐述了图像语义特征的提取方法,分析方法以及常用的分类方法,鉴于本文分类目标的特殊性,还介绍了一些其它的特征提取方法,例如图像中文字区域的识别等。在提取特征的基础上,本文使用互信息量(MI)对不同特征的有效性进行了分析,对提取的不同特征的判别力进行了比较;此外,还分析了将动画整体考虑与将其看作一系列图片考虑时的不同,指出后一种做法的效果较差。最后,本文使用RBF核的支持向量机(SVM)作为分类器,对特征分析的结果进行了验证,不但比较了单个特征的分类结果,也比较了不同特征的组合的分类结果。最终的分类结果验证了对特征进行分析时的结论,最后最优的特征组合平均错误概率达到了8.28%。