基于内容的图像检索(Content-Based Image Retrieval,CBIR)是一种利用图像的视觉特征进行检索的新兴技术,它通过提取图像的颜色、纹理、形状等底层特征进行检索。本文在学习视觉注意模型和基于文本的图像检索(1ext-Based ImageRetrieval,TBIR)后,对图像检索进行了研究,主要内容如下：　　 ⑴基于显著度的峰值信噪比图像质量评价方法及其在图像检索中的应用。采用Itti等人提出的自底向上的人类视觉注意模型计算显著图,该显著图反映了图像中各个区域的重要程度。在计算显著图的基础上,提出了一种基于显著度的峰值信噪比(Peak Signal Noise Rate based0n Saliency,SPSNR)图像质量评价方法及加入分割的改进算法,克服了传统峰值信噪比不能很好反映人眼观察结果的问题。针对视觉注意模型应用于图像检索时存在的问题,把SPSNR作为特征向量,实现了一种二级图像检索方法。用底层特征进行图像的第一级粗略检索,进而结合SPSNR的优越特性,进行第二级的精细检索。实验表明,该方法对退化图像的检索性能较好。　　 ⑵基于码书的图像检索。把信息检索从文本领域推广到图像领域,与以往的需要以关键字对图像进行人工注释的“以文查图”的方式不同,采用文本检索的技术路线直接进行图像检索,矢量量化产生码本、编码图像、建立信息模型来检索图像。实验表明,该算法具有较好的检索性能,尤其当图像存在明显的注意区域时检索效果较好。　　 ⑶使用C++语言、Matlab和SQL Server数据库构建和实现了以本文算法为基础的图像检索实验系统。为了与其他的算法进行比较,我们还收集建立了噪声图像数据库并实现了一些相关的经典算法。