1、隨著互聯(lián)網(wǎng)技術以及基于圖片分享應用的日新月異發(fā)展，人們想要在網(wǎng)絡中尋找自己感興趣的圖像已經(jīng)變得越來越困難，傳統(tǒng)的基于文本的圖像檢索系統(tǒng)已很難滿足人們精確檢索的需求?；趦?nèi)容的圖像檢索應運而生并得到長足的發(fā)展。如何使得圖像檢索系統(tǒng)能夠從以計算機為中心轉向以用戶為中心是本文的主要研究目標，本文研究路線主要圍繞圖像顯著性分析和多特征融合兩條主線展開。本文主要研究內(nèi)容如下：
　　1.首先從人類視覺系統(tǒng)的注意力機制出發(fā)，探討了視覺顯著性在圖

2、像理解中的重要性與合理性。經(jīng)過對諸多顯著特征點提取算法的性能和效果進行了綜合評估，本文采用 Harris算法。利用檢測出來的顯著點和顯著區(qū)域分別為顏色和紋理特征提取提供基礎。
　　2.在顏色特征提取方面，本文提出了基于顯著點加權聚類的局部顏色直方圖方法。首先深入分析了多種顏色空間的區(qū)別與應用場合，并基于顏色空間的均勻度角度考慮選擇了CIE1976 L*a*b*顏色空間，并利用K-means聚類方法將顏色空間聚類至低維空間。另外，本

3、文將K-means聚類算法思想應用在顯著點的分組中，聚類過程同時考慮了顯著點的位置和顏色信息，并根據(jù)顯著點與聚類中心的距離加入了相應的權值，并在此基礎上提取圖像的局部顏色直方圖，較好的保留了圖像內(nèi)容的空間信息。經(jīng)證實，本文方法比傳統(tǒng)的局部顏色直方圖方法性能更優(yōu)。
　　3.在紋理特征提取方面，本文提出了基于顯著區(qū)域的自適應鄰域局部二值模式（Local Binary Patterns，LBP）算法。傳統(tǒng)的LBP算法鄰域大小不能動態(tài)改變

4、，致使紋理計算多有誤差。針對這一不足，本文提出了一種改進算法，可通過Tamura紋理計算方法在計算粗糙度時得到的K值來動態(tài)改變LBP鄰域大小，得到了自適應的鄰域大小。由實驗結果表明，本文方法優(yōu)于傳統(tǒng)LBP算法。
　　4.為了進一步的縮小顏色、紋理特征與高層語義特征之間的鴻溝，本文應用分配權重的多特征融合方法，同時引入基于權重調整的相關反饋技術。為了驗證本文方法的有效性，最后在公共數(shù)據(jù)集進行了驗證，由實驗結果可看出本文算法具有較優(yōu)的