伴随着数字化信息技术的飞速发展,我国教育事业的发展也必然需要教育信息化的全面推动,同时,数字化学习资源的建设与管理也奠定了现代化教育的基础。当前,面对以几何级数飞速增长的数字化资源和网络资源,人们如何快速而准确地筛选到有效的数字化信息,成为了亟待解决的关键问题。数字图像作为一种重要的数字化学习资源,因其优良的表现力、丰富的内容而被广泛应用于信息化教学中,如何更加快速精准地找到符合要求的图像资源,是图像检索领域长期以来努力实现的目标。因此,基于内容的图像检索技术（CBIR）成为图像检索领域研究的重点,本文设计出三种有效的CBIR算法,对其进行研究,其主要工作内容如下:1、结合幅值与相对相位的纹理信息综合描述能力,提出了一种基于混合统计建模的纹理图像检索方法,解决了单一模型难以全面刻画图像内容等问题。首先,利用具有良好方向性特点的双密度双树复小波变换（DD-DTCWT）分解图像,对变换后的高频子带进行幅值及相对相位计算;然后,结合统计建模思想,针对幅值子带选择柯西分布对其系数进行建模,针对相对相位子带选择Vonn分布对其系数进行建模,并将估计得到的分布相关参数作为纹理图像特征;最后,运用欧氏距离方法进行相似性度量,将检索结果按照距离的降序排列显示。经大量测试实验验证,本方法可以有效降低特征维度,减少相似度计算所分配的时间,进而提升平均检索率。2、结合四元数极谐变换（QPCET）的良好描述能力,提出了一种基于QPCET及其统计建模的彩色图像检索方法。首先,经QPCET分解后我们可以得到该图像的矩值特征,以此作为图像彩色部分的特征;然后,计算出矩值中相对稳定的幅值系数,通过检验其边缘分布,进而选取韦伯-瑞利分布描绘拟合幅值系数,并将建模后得到的模型参数作为图像纹理部分的特征;最后,将各部分特征融合形成图像特征库,经过相似度计算后取得最终检索结果。测试结果表明,本算法通过四元数理论考虑到颜色通道间的相关性,对颜色信息的描述具有较好的效果;同时,通过统计建模方法结合了部分纹理信息,可以有效提升检索系统性能。3、利用多核K-means聚类与嵌入式随机蕨,提出了一种基于嵌入式随机蕨分类器的相关反馈图像检索方法。基于模式分类的相关反馈算法中,分类过程是算法的核心,选用分类速度快、学习效果佳的机器学习分类器,能够更好的体现相关反馈系统的优势。本方案提出运用嵌入式随机蕨分类器进行样本分类,在分类过程中利用更多可用的描述符,不仅可以保证运行时间和存储信息,而且分类速度更快。首先,提取图像底层视觉特征,并计算示例图像和图像库中图像的欧氏距离;其次,应用多核K-means聚类算法对图像库中未标记图像进行初分类,为后续样本选择做准备;然后,根据检索要求标注前N幅图像,即标注区分正负例样本,形成正负例样本集;最后,采用嵌入式随机蕨分类器对样本进行分类,将训练样本建立成基分类器,对测试样本进行反复学习,多次迭代反馈过程,直到用户满意。