计算机和多媒体技术以及Internet的飞速发展产生了大量的图像信息,基于内容的图像检索技术主要是为了解决能够有效地、快速地从大规模的图像数据库中检索出所需图像这一重要问题。有效的图像检索系统必须充分利用图像的语义信息。基于语义的图像检索技术是在CBIR基础上发展起来的,研究如何从多渠道获取图像语义信息,并根据语义检索相关图像,是为了更进一步满足人们的需要。 本论文主要对图像高层语义的提取和检索展开详细的研究,并在此基础上建立了一个简洁、高效、实用的自然图像语义检索系统。本文的主要工作包括: 1.提出了一种新的分类器设计方法。根据“半监督学习”方法,利用已经标注好的训练样本和无标注的训练样本一起训练分类器。在标准SVM分类器训练方法中融入这种思想,给分类面附近加入混合数据,并将这种方法应用于小样本数据的分类问题中。 2.提出了一种简单快捷的语义检索框架。通过对自然图像进行分割,将分割后的图像归类,提取图像特征建立特征库,利用多类分类器训练各类中的图像得到它们的类别模型,然后进行图像分类和识别,从而得到每幅图像包含的语义信息。那么当用户检索图像时,只需察看数据库中的语义关键字与用户的要求匹配与否就可以得到满足用户需求的图像。这样大大节省了检索时间,提高了检索的效率,方便了用户的使用。 3.提出了一种改进的颜色特征提取算法。由于分割后的图像大多数主要包含一个物体,因此只提取颜色直方图中的主分量作为图像的颜色特征来进行匹配,这样即减少了计算量又降低了存储要求。提取颜色直方图中的主分量时,需设定一个阈值,对阈值的选取我们采用颜色直方图的平均值。 4.在图像分割中,将JSEG分割方法应用于自然图像分割中,取得了很好的分割效果。该方法充分考虑到图像的空间信息,对图像的分割采用两个步骤:颜色量化和图像空间分割。