基于内容的图像检索CBIR(Content Based Image Retrieval)是当前多媒体检索研究的热点之一。如何有效准确的表达图像特征是基于内容的图像检索技术的核心问题。虽然根据图像低层特征如颜色、纹理、形状等的检索有了一定的进展,但仍然局限于特定的应用领域,性能有待进一步改善。由于图像检索最终是希望上升到高层语义层的,但由于目前技术的限制,使这种查询方式的完全智能化还不能成为现实。低层特征的提取,又是高层特征提取的一个基础,因此,研究图像低层特征的有效提取具有重要的意义。本文主要对图像低层特征中颜色特征的有效提取进行了研究。本文首先讨论了目前基于颜色特征的图像检索的相关技术,然后分析了传统颜色量化算法普遍存在的硬划分的问题,即没有考虑到量化边界两侧像素颜色的连续性和相似性,给量化结果带来一定的误差。针对这一问题,采用了一种改进的基于HS平面的模糊量化方法,以减少量化误差。基于这种量化方法,考虑到颜色直方图丢失了位置信息,所以加入了在量化区域内的像素的位置分布特征和离散度特征,讨论了基于FCS(Fuzzy Color-Spatial)的图像检索算法,即基于模糊量化的颜色—空间特征的检索算法,通过实验证明这种模糊量化方法的有效性和检索准确性。本文研究了VLIW(Very Long Instruction Word)体系结构的DSP在图像处理系统中的应用,针对DSP硬件特点,将颜色特征提取算法移植到TI’TMS320 C6711 DSK开发平台上,对程序进行了优化,提高了代码运行效率,并且给出实验结果。最后阐述了对论文研究的总结和展望,提出了今后的研究方向和改进意见。本文的研究设计对基于内容的图像检索具有重要的参考价值,同时为今后基于DSP的图像检索系统软件的升级和系统的完善提供有益的借鉴。