词袋(Bag of words,简称Bow)模型最早应用于文本文档的分类领域中,近年来,随着对词袋模型的进一步研究,以及模型本身具有简单有效的特点,使得模型得到了更加广泛的应用,并且在图像处理中也发挥着巨大的作用。由于图像在人们的生活工作中发挥着不可或缺的作用,因此如何在庞大的图像数据库中,快速准确地查找到人们所需要的图像信息是至关重要的。论文主要研究基于词袋模型的图像检索方法,针对传统词袋模型中存在的问题做出了相应的改进。论文的主要研究工作概括为以下三个方面:1.提出一种结合层次聚类和K-means聚类的混合聚类算法,自动确定数据集的最佳聚类数目。首先对数据集采用凝聚式层次聚类算法聚类,依据有效性评价指标和最大最小距离算法,自动确定最佳聚类数和初始聚类中心,然后使用K-means算法再聚类,得到最终的聚类结果。论文选取UCI数据集中的数据集作为实验对象,证明了算法的有效性。2.在传统词袋模型的基础上,构造了空间视觉词袋模型。通过对图像进行空间层次划分,引入图像的空间信息,从而构建空间视觉词袋模型用于之后的图像处理,再结合PCA算法和巴氏距离来度量图像之间的相似程度,进而完成对查询图像的检索过程。实验结果表明采用改进后的方法检索得到的图像结果更接近于用户的查询目的。3.引入了相关反馈技术,使得查询图像的初步检索结果更加接近用户的查询意图,提高了图像检索的精确度。依据用户对初步检索结果给出的反馈标记,采用基于特征权重调整的相关反馈技术作进一步研究,通过反馈循环,获得较为满意的查询结果。实验结果证明了相关反馈技术在图像检索中的有效性。