近年来图像检索发展得越来越快,而图像检索的基础工作就是图像的特征提取,本文以此为背景研究了图像的颜色、纹理、兴趣点、空间结构特征提取方法,并结合这些特征对具有相似内容图片的共性特征提取的方法进行了探讨,以期建立高层语义检索中必需的概念表达方法。本文第一部分研究了图像底层特征提取方法,该部分主要内容包括:1)颜色特征提取:利用高斯混合模型矢量量化的方法建立了图像颜色分布的直方图,该方法较之传统直方图具有能够反映图像空间分布信息的能力,使用该直方图进行颜色的相似性度量能够区分颜色分布相同但空间分布迥异的图片。本文给出了使用该方法对图像进行量化的实例和图像检索的结果,实验证明该方法能够较有效的提取出图像的颜色特征。2)纹理特征提取:本文借鉴Tamura纹理特征表示方法,并对其相似性度量方法进行了改进,使用直方图表示了最重要的粗糙度、对比度、方向度特征。本文还将粗糙度直方图改进为能够适应图片尺寸变化的方式,另外使用对数非均匀量化方式将对比度特征形成直方图,该处理方法能够更适应人眼的认知特点。同时,对每种纹理特征都给出了相似性度量仿真实例,证实该方法具有较好效果。最后使用三种特征的加权距离对图像的纹理特征相似性进行度量,并给出了图像检索的结果和性能评价。3)兴趣点特征提取:本文综合了Harris兴趣点标定方法和区域矩不变特性对图像兴趣点特征进行表达。该特征能够适应光照、视角、缩放等场景的变化,文中给出图片实例对这一特点进行了验证。本文根据实验提出了图像的兴趣点相似性度量方法,并给出了图像检索的结果和性能评价。本文第二部分研究了区域相似性评价和图片共性特征归纳方法。区域分割是该过程的基础,本文介绍了一种简单的基于颜色和纹理的区域分割法,并提出了图像空间结构相似性度量方法。在对具有相似内容的图片进行共性特征提取过程中,根据不同的应用场景选取了不同的特征子集以降低复杂度。本文还通过实例,阐明了共性特征提取方法、步骤及概念表达的方法,最后在给出的共性特征标示图中验证了该方法的效果和可行性。