随着信息的快速发展,图像正在以惊人的速度增长,如何在海量的图像中检索出需要的图像是一个关注的问题。近年来,图像的检索技术正在不断的发展,由最初的基于文本的图像检索技术,到现在常用的基于内容的图像检索。基于内容的图像检索效果很大程度上取决于如何表示图像的内容、如何度量图像的相似性。因此图像的特征提取、特征描述、相似性度量是近几年的研究热点。目前大部分的图像检索系统是将目标图像与图像数据库进行一一检索,这种方法无疑是降低了检索的速度和效率。而且目前的图像检索只是用图像的某一类特征进行相似性度量。这种检索技术往往效果比较差。针对目前图像检索存在的问题,本文提出了一种基于双空间金字塔的图像分类的检索技术。将图像的局部特征(SIFT、 SSIM)和全局特征(EDG、 HSV直方图)结合使用,在双空间金字塔中进行特征的多分辨率分解(在特征空间的多分辨率和图像空间的多分辨率),不仅考虑了不同特征的特征空间关系,而且也考虑了特征的位置关系。能够准确反应特征集合之间的关系。将位于同一图像区域的不同特征空间层次的直方图进行匹配,最终将不同区域的匹配结果加权相加,最终得到图像的匹配函数。双空间金子塔的匹配函数满足Mercer定理,称之为双空间金字塔核函数。本文将双空间金字塔核函数嵌入到支持向量机对图像进行分类,具有良好的分类能力。然后在分类的基础上对目标图像在同一类图像中进行检索,对不同的特征要对应不同的相似性度量,对于多种特征表示的图像进行检索会大大的增加计算量。因此本文将双空间匹配核函数作为相似性度量的函数,将特征集合进行一次性相似性度量。