基于内容的图像检索(Content-based Image Retrieval , CBIR)是利用图像的颜色、形状、纹理等特征对图像进行查询,试图在理解图像内容的基础上,检索出与示例相类似的图像。CBIR直接从图像中提取特征建立索引,特征提取和索引建立可由计算机自动实现,避免了人工描述的主观性,大大减少了工作量。而形状作为图像的一个重要特征,具有良好的环境不变性,一般不随图像的颜色变化、环境的亮度变化而变化,因此得到了广泛的关注。本文通过对传统Freeman链码(Freeman Chain Code, FCC)特征以及不变矩特征提取算法的学习,研究并设计了图像特征提取、特征匹配和图像检索算法。首先,简要介绍了传统Freeman链码及Hu不变矩的定义及特征提取方法,分析出传统Freeman链码特征在用于图像检索时存在的不足,同时发现Hu不变矩对图像的平移、缩放和旋转具有良好的不变性。其次,提出一种改进的Freeman链码(Improved Freeman Chain Code, IFCC)特征提取算法,得到一种具有唯一性和对图像具有旋转不变性的特征链码。在此基础上建立索引,运用生物序列联配方法对图像的链码进行相似性匹配,计算匹配得分,进而得到图像检索结果。实验结果表明,该算法对图像具有很好的抗旋转鲁棒性,同时取得了较好的查全率和查准率,能够较好地体现图像的形状特征,具有较好的检索效果。最后,考虑到图像特征的多样性,为了更好地运用和体现图像的形状特征,将基于改进的Freeman链码的图像检索算法和基于Hu不变矩的图像检索算法进行有效结合。利用改进的Freeman链码作为形状特征进行粗检索,保证一定的查准率,进而利用不变矩特征进行细检索,以达到更好的排序效果。实验结果表明,这种检索方法比利用IFCC特征算法取得了更好的检索效果。