随着Internet的普及和发展,图像数据飞速膨胀,如何高效、快速的检索到所需要的图像数据成为当前图像应用领域的一个研究热点。为了便于图像的检索和识别,基于内容的图像检索技术应运而生。本文在分析现有的基于内容的检索技术的基础上,针对目前技术中存在对图像特征提取不够有效和准确性方面的局限,主要进行了如下研究:首先介绍了图像检索技术研究的发展历程以及技术现状,然后分别讨论和研究了基于颜色、纹理、形状单一特征的图像检索技术。其中为了弥补颜色直方图所丢失的颜色空间信息,改进了一种分块直方图的颜色特征提取方法,并通过实验对比全局直方图检索结果,证明了分块直方图的算法要更优。基于单一特征的方法只能表达图像的部分属性,对图像内容的描述片面,缺足够的区分信息,本文通过实验研究了基于静态特征组合的图像检索算法,通过对实验结果的分析,总结了算法的优缺点,并提出了静态特征组合所存在对特征组合机械的缺点。根据前面的分析,提出了一种基于自适应特征综合的图像检索算法,该算法可以通过图像本身底层特征结构来自适应地选取各个特征在计算综合相似度距离中的权重,以达到在没有用户干预的情况下,达到较好的检索效果。通过实验对比,该方法相对于前面的静态综合特征图像检索方法具有更好的检索效果。最后总结了本文的工作和目前算法仍存在的问题,并讨论了基于内容图像检索今后的发展方向。