随着数字图书馆的飞速发展,图书馆的信息采集、加工(分类、编目)、形成MARC记录、提供二次文献检索等手段已很难满足用户的需求。信息检索技术已由字段检索、全文检索向内容检索、搜索引擎等方向发展。其中大量信息是文本图像。本文就是基于内容的针对文档图像的检索进行的研究。通过机器自动提取图像的内容作为检索特征,并利用相似性度量算法进行的近似匹配。本文主要从两个方面进行论述,一方面从理论的角度讨论了文档图像检索的原理和模型,并结合原理和检索模型对检索系统中各主要部分的算法进行研究。另一方面,从系统实现的角度对检索平台进行了说明。本系统检索算法中主要有四大部分构成:文档图像预处理,汉字图像分割,特征提取及匹配,用户端检索。采用阈值法二值化对文档图像进行预处理。针对文档图像的特点,采用投影法,将汉字图像分割为单个汉字块儿图像,在此基础上,采用改进的模板对其进行细化,实验效果较好,细化毛刺明显减少。主要介绍了六种特征提取方法,对比传统的方法,本系统采用一种基于骨架特征和点阵特征的二级特征提取及匹配策略,使识别率和识别速度都较为理想。在用户端检索端,可以实现字级检索以及图像检索的双重检索,按照相似度输出检索结果。采用VC++软件平台编程实现系统,对实验建立的图像库进行检索,查找率达到96.5%,识别率较高,具有一定的鲁棒性和实时性。