图像检索是在继文本检索后兴起的一种信息检索类型,近几十年来一直是检索的研究热点并且发展快速,部分互联网搜索引擎和研究机构已推出了“以图找图”的检索服务。图像检索根据发展阶段和基于的特征,可将图像检索分为基于文本信息的图像检索和基于内容特征的图像检索以及基于语义的图像检索。基于文本信息的图像检索发展较早,也相对成熟,目前的互联网图像检索服务和现有的图像检索系统多数为此种类型的检索,然而“以图找图”的基于内容特征图像检索系统相对于传统的以文本信息的图像检索的研究还不成熟和完善,其系统的整体结构和检索实现的方法还处于研究和发展阶段。对于基于语义的图像检索系统,由于从图像中提取语义尚无系统的方法,因此,该类检索尚处于探索阶段。本文通过研究现有的图像检索涉及的技术和方法,总结出一个相对完整的基于内容特征的检索系统的框架,并根据该框架实现图像检索。本文实现的检索系统的整体流程可分为图像分割,特征提取和匹配,图像相似性计算三个阶段。在图像分割阶段本文的方法是首先根据图像纹理和颜色联合直方图的峰值个数确定图像块数,然后根据块的数目使用K-均值分块法将图像分为几个区域块,以此实现了图像自适应自动分割。在图像特征提取阶段,将第一阶段的纹理和特征颜色特征,以及图像块的形状特征作为每个图像块的特征,然后根据这些特征在两幅图像的图像块之间进行匹配,由于同一对象在不同角度拍摄的图像的形状也不同,因此本文形状匹配的方法不仅仅是直接将两图像块的形状特征进行匹配,而是先建立一个三维图形库,然后根据两个图像块和三维图形相似度,来间接计算出两个图像块之间的形状相似度。图像块和三维形状特征相似度的计算方法是,首先提取三维形状在不同角度下投影的形状特征,然后拟合出各个形状特征值关于投影角度的关系式,该关系式使用二维多项式,然后问题变为寻找多项式变量的最佳取值,使得特征值的多项式函数取值和图像块的形状特征值最相近,最近处的差值即为两者相似度。在图像的图像块之间相似性匹配后,即可逐个确定出待检索图像的图像块和图像库中的图像中最为相似的区块,两者的相似度作为该图像块和图像库中图像的一个相似度,最后将待检索图像中所有图像块和库图像的相似度的均值作为两幅图像的相似度,将图像数据库中图像按相似度由大至小排序呈现作为检索结果。最后的实验结果表明,本文的图像检索系统具有较高的准确率和召回率。