多媒体技术时代,用户从海量数据库中区分有用的信息变得越发困难。图像的迅猛增长向人们搜索图像信息提出了一个挑战。用户迫切地需要一种有效的工具来帮助他们尽可能准确、有效地满足他们的检索要求。当输入一幅图像,基于内容的图像检索(CBIR)系统可以根据其相似性提供相似的图像。一般来说,传统的图像检索方法通过直观的底层特征描述信息,如颜色、纹理和形状。研究发现,单一的底层特征很难完整准确地描述图像特征,所以本文针对图像检索,提出多种特征(即多视图)融合的方法进行特征提取和图像检索,并对高维特征线性降维、感兴趣区域的空间加权问题进行研究,研究成果如下:(1)在图像特征提取过程,往往存在着大量的高维特征,过高的维度不但增加系统负担,同时影响特征的准确性,出现特征高度冗余的现象。本文在主成分分析方法的基础上,结合小波变换的系数构成特点,给特征向量添加不同的权重,使特征向量最大程度地表现图像信息。(2)通过分析各种底层特征的单一特性,将多种视图下的特征进行融合,将多种特征的优势同时发挥出来,解决了单一特征信息量不足的问题。(3)基于区域的图像检索能够在基于内容图像检索技术的基础上,添加图像的空间信息。本文提出一种基于感兴趣区域的空间加权方法,系统通过分析每幅图像的颜色和纹理特征,自动生成感兴趣区域,并对不同空间位置的区域赋予不等的权值,突出感兴趣区域的发言权,更加符合人类视觉特点,使用户得到更好的检索感受。