本文针对图像分类和检索问题,从核函数方法应用和特征提取方法两方面进行了研究,具体内容如下:1.核主成分分析是一种新的统计信号处理技术,它能提取图像的非线性特征。要改善核主成分分析的性能,核函数是关键。根据图像数据的特点,提出了一种基于局部核函数的核主成分分析方法,在这个意义下,图像的核主成分不仅反映图像的整体特性,同时还反映局部特性。实验结果表明,基于局部核函数的图像核主成分析比基于全局核函数的图像核主成分分析的分类准确率要高。2.针对纹理分割,提出了基于局部自相关矩阵奇异值向量和支持向量机的纹理分割方法,该方法具有特征提取算法简单、分割易于实现、特征向量维数低等特点。与同类算法相比,该方法的分割错误率低。3.针对尺度旋转不变性纹理图像分类,实现了一种基于对数-极坐标变换和支持向量机的分类方法。根据对数-极坐标变换图像的特点,提出了一种行投影变换方法,对数-极坐标图像的行投影向量具有行移位不变性,可作为原纹理图像的特征向量,再基于此特征向量用支持向量机实现分类。4.本章实现了另一种尺度旋转不变性纹理图像分类方法。通过对对数-极坐标图像的分析,我们发现对数-极坐标图像的自相关矩阵的奇异值向量可作为尺度旋转不变性纹理图像的特征向量,在该方法中我们定义两图像的相似度为其特征向量之间夹角的余弦,从各类纹理图像中分别选取一个作为类中心,运用最大似然法进行分类。5.针对二值图像的检索问题,运用中心投影变换提取二值图像的特征实现二值图像的检索,该方法以二值图像的中心投影数据形成图像的特征向量,它具有平移、尺度和旋转不变性。相对于其它方法而言,该方法算法简单,易于实现。6.基于二维图像模式分形维数的定义,以图像及其边界和骨架的分形维数作为图像的特征,通过分析图像及其边界和骨架的“盒维”的计算过程,定义了一种新的特征—分形向量,此外,我们还提取了图像的距离分布直方图特征。在提取图像多特征的前提上,建立了一种多线索图像检索机制,并成功地用于商标图像库的检索。