随着多媒体信息技术的发展,如何有效地管理并快速查找到感兴趣的图像信息已经成为研究热点,图像检索方法是其中的关键技术之一。本文研究了图像区域分割和感兴趣区域提取方法,包括基于支持向量机和D-S证据理论准则的图像区域分割技术与基于支持向量机的感兴趣区域提取算法两个主要方面。论文主要贡献有以下三点：1.创造性地将支持向量机和D-S证据理论准则相结合,应用在图像区域分割中。由于对图像检索的后续分析具有重要的意义,图像分割作为预处理技术具有重要的研究意义。D-S证据理论准则作为一种信息融合理论,与机器学习理论的结合是当前研究的一大热点。两者相结合,在一定程度上解决了图像区域分裂与合并过程中的不确定性问题。在D-S证据理论准则下,本文将后验SVM作为子源相融合的过程,重新得到融合后的合并一致性准则。2.改进了基于支持向量机的感兴趣区域提取方法,本文提出了新的感兴趣区域提取的准则,引入了颜色对比度和位置信息。准则考虑到感兴趣区域与周围的区域相比,具有明显的颜色对比度,显著区域一般都聚集在一起,而背景区域在近处和远处都有很多相似的区域。颜色对比度和位置信息的引入能够改善感兴趣区域提取性能。3.在前两点的基础上构建了基于感兴趣区域的图像检索系统。基于感兴趣区域的图像检索技术能够更准确地概括图像内容。由于空间位置对于图像检索任务具有非常重要的作用,本文在相似性测量部分考虑了形状上下文特征,更好的进行区域的匹配。本文系统引入了学习机制,能够利用用户的反馈调整区域的重要性分数,有利于缩小