1.一种基于k近邻和模糊模式识别的图像检索方法，其特征是，包括：

图像特征提取：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；

寻找查询图像的k个近邻图像：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；

获取查询图像和所有被检索图像各自对应的模糊特征向量：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；

模糊相似度计算：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。

2.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，还包括：用户满意度反馈步骤：根据用户对图像检索结果的满意度来确定是否停止图像检索：

若用户满意，则停止图像检索；否则，返回到寻找查询图像的k个近邻图像步骤，重新寻找相似度匹配方法来寻找查询图像的k个近邻图像，并执行获取查询图像和所有被检索图像所对应的模糊特征向量步骤和模糊相似度计算步骤，直至用户满意为止。

3.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，提取出颜色特征向量，包括：采用颜色直方图方法：首先将图像从RGB空间映射到HSV空间，将H量化为16级，S量化为

4级，V量化为4级，从而得到256个不同的颜色值，然后分别统计图像内容中对应于256个不同颜色值的像素点的个数，从而得到对应于一幅图像的256维的颜色特征向量。

4.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，提取出纹理特征向量，包括：采用灰度共生矩阵的方法：统计灰度共生矩阵的15个特性值：能量、梯度平均、灰度平均、梯度均方差、灰度均方差、相关性、梯度熵、灰度熵、混合熵、逆差矩、惯性、大梯度优势、小梯度优势、梯度分布的不均匀性和灰度分布的不均匀性，利用每幅图像所对应的15个特性值组成每幅图像所对应的15维的纹理特征向量。

5.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，对得到的颜色特征向量和纹理特征向量分别进行模糊归一化处理，得到模糊化的颜色特征向量和模糊化的纹理特征向量，对两种模糊化的特征向量进行融合得到查询图像和所有被检索图像各自对应的综合特征向量。

6.如权利要求5所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，所述对得到的颜色特征向量和纹理特征向量分别进行模糊归一化处理，是指：采用模糊数学算法将颜色特征向量中的元素进行模糊归一化；

采用模糊数学算法将纹理特征向量中的元素进行模糊归一化。

7.如权利要求5所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，对两种模糊化的特征向量进行融合得到查询图像和所有被检索图像各自对应的综合特征向量，是指：赋以颜色特征向量和纹理特征向量不同的权重值，以组成一个综合特征向量来代表一幅图像；颜色特征向量和纹理特征向量的权重值之和为1；

或者，

所述根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像，是指：根据查询图像和所有被检索图像各自对应的综合特征向量，采用不同的相似度匹配方法来寻找查询图像的k个近邻图像，通过结果对比找出最恰当的相似度匹配方法，并将近邻数k进行动态设置，以适应不同的查询图像；

或者，

所述获取查询图像和所有被检索图像各自对应的模糊特征向量，是指：

通过相似度匹配方法计算查询图像与其k个近邻图像的相似度，并将k个相似度值组成一个k维的特征向量，作为查询图像所对应的k维模糊特征向量；

采用相同的相似度匹配方法计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像所对应的k个相似度值分别组成各个被检索图像所对应的k维模糊特征向量。

8.一种基于k近邻和模糊模式识别的图像检索系统，其特征是，包括：

图像特征提取模块：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；

寻找查询图像的k个近邻图像模块：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；

获取查询图像和所有被检索图像各自对应的模糊特征向量模块：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；

模糊相似度计算模块：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。

9.一种基于k近邻和模糊模式识别的图像检索系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令，所述计算机指令被处理器运行时，完成以下步骤：图像特征提取：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；

寻找查询图像的k个近邻图像：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；

获取查询图像和所有被检索图像各自对应的模糊特征向量：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；

模糊相似度计算：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。

10.一种计算机可读存储介质，其特征是，其上存储有计算机指令，所述计算机指令被处理器运行时，完成以下步骤：图像特征提取：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；

寻找查询图像的k个近邻图像：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；

获取查询图像和所有被检索图像各自对应的模糊特征向量：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；

模糊相似度计算：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。