随着互联网信息时代的发展以及电脑和手机的普及,人们可以随时随地把生活或者娱乐图像上传到网络中,导致图像呈现出爆炸式增长。因此,如何从大量图像中准确筛选出目标图像已成为当下亟待解决的问题。图像检索一般将原始图像库中的图像进行特征提取得到图像特征库,建立特征库索引,然后提取目标图像的特征并与特征库中的特征进行匹配,将匹配结果作为图像检索的最终结果。现存的图像检索方法在进行特征匹配时一般利用底层特征或高级语义特征。底层特征提取方法有局部二值模式算子、方向梯度直方图算法、尺度不变特征变换方法等,虽然这些方法取得了不错的检索效果,但是没有对图像的内容进行感知,所以检索精度还有待提高。高级语义特征提取方法有很多种,其中卷积神经网络相关算法在图像领域取得了很好的效果。不同特征描述图像不同方面的信息,将不同特征进行组合可以更全面地表示图像,这种特征组合的方式就是特征融合。在实际特征融合时选择合适的融合方法至关重要,优良的特征融合方法能够使特征匹配既快速又准确。本文将重点研究基于内容的多特征融合的彩色图像检索。论文的主要工作和贡献是提出如下三种改进的图像特征提取方法。(1)局部二值模式是一种能够很好地描述局部图像纹理特征的算子,由于其值分布范围比较广,计算量很大,难以满足研究者的需求。因此,本文在局部二值模式中加入了旋转不变性特性,使局部二值模式的分布范围变窄。然后根据具有旋转不变性的局部二值模式算子提出二阶全方向导数计算方法,并提取直方图特征。(2)现有的很多方法在彩色图像处理时将其转换为灰度图像处理,这丢失了彩色图像色彩通道之间的联系,虽然有研究者使用到四元数表示彩色图像,但是这些研究者使用纯四元数表示彩色图像。因此,本文为了提高四元数表示图像信息的能力,提出将彩色图像RGB色彩通道、信息熵和亮度融合在四元数的实部与虚部中的方法,形成新矩阵并提取Hu矩特征。(3)基于深度学习的图像检索方法在图像领域取得了不错的效果,由于运算量比较大很难应用到实际生活中。因此,本文提出基于卷积神经网络的图像检索方法,该方法将卷积神经网络结构的前两个卷积层的卷积核尺寸增大,并把前两个全连接层转换为卷积层,之后利用改进的卷积神经网络提取具有高级语义信息的深度特征。将获得的三种图像特征采用基于特征维度的加权方法对图像特征进行融合,并利用欧氏距离进行特征相似性度量。在三个数据集上进行实验,验证本文方法的有效性,并以较低的特征维度达到了优良的检索精度,此外该方法还可以应用到图像分类、人脸识别等领域。