近年来,随着信息技术的发展,数字图像的数量正在飞速增长。如何在这海量的数字图像中找到我们所需要的图像数据越来越被人们所关注。基于内容的图像检索成为当前的一个热门研究课题。 基于内容的图像检索技术依据图像的画面内容特征来检索图像库中与目标图像相似的图像。经典的基于内容的图像检索算法在用户输入目标图像后,算法首先提取目标图像的特征,并使用此特征与特征库中其他图像的相应特征进行匹配,计算图像间的相似度,接着根据计算结果对特征库中的图像进行筛选,找出与目标图像最相似的图像显示给用户。 在实际检索中,存在着特征匹配结果不能完全反映用户的语义要求,在海量图像数据库中顺序查找效率过低等问题。针对上述问题本文对经典的基于内容的图像检索系统提出了以下改进: (1)选择更适合肉眼分辨的HSL模型作为特征提取的颜色空间,对HSL空间进行了非等间隔的划分以达到降低维数和减少信息损失的目的,并结合加权欧氏距离进行直方图的距离度量; (2)引入相关反馈机制并对其提出改进,解决了增加反馈图像和用户视觉疲劳的矛盾; (3)将RPCL算法引入CBIR中并对其缺点提出了改进,提高了检索速度,解决了事先无法确定聚类数目的问题; 为了验证改进的有效性,本文建立了相应的实验系统,并利用它对基于聚类的相关反馈图像检索算法进行了实验。在实验中,就检索算法的准确率,查询时间等进行了计算,并在此基础上与以往的算法进行了比较。实验数据表明,本文算法具有更优的检索性能。