随着多媒体技术和存储技术的飞速发展,在医药、工程、科学、摄影、广告等领域每天都会产生大量的数字图像,如何有效的管理和使用这么多的图像信息已成为我们面临的一个重大问题。传统的通过对图像进行文本标注的方法显然已经无法满足处理如此快速增加的数字图像的要求,于是学者们提出了基于图像内容的图像检索方法,它很快便得到了广泛的研究。首先,本论文通过广泛的调研对国内外基于内容的图像检索技术的发展和现状进行了论述,并深入分析了基于内容的图像检索中的各个关键技术,这些技术包括图像特征的提取、相似性度量、相关反馈技术及检索性能的评价等。其次,本文对图像的颜色特征提取方法进行了研究,针对颜色直方图向量维数过大的问题,提出了一种基于样本的颜色特征降维方法。对同一类的图像,其有别于其他类别图像的主要颜色分量应具有类似的分布。因此我们可以通过对样本的分析和计算得出其主要颜色分量的分布,并提取这些颜色分量作为图像的颜色特征,从而实现颜色特征的降维,减少了实际检索时的计算复杂度并提高了准确率。再次,本文对图像的形状特征提取方法进行了研究。我们注意到在用Zernike矩计算图像的形状特征时,会把除图像目标以外的背景像素信息也计算进去,而这些背景对识别图像目标不是必要的。因此在计算图像的形状特征时,我们使用Canny边缘检测算子求得到图像的边缘图像,然后对边缘图像使用Zernike矩从而得到图像形状特征的定量描述。再次,本文首先对图像的纹理特征提取方法进行了研究,并提出了一种使用图像的颜色、形状、纹理等多种图像特征的图像检索方法,我们称之为类相关反馈。该方法通过指定图像感兴趣目标从而在样本数据库中找出关键图像,利用关键图像来对直接计算的相似性值进行修正,最后根据修正后的相似性值大小来对图像进行检索。实验表明,与传统的图像检索方法相比,本文所提出的方法有着更高的查准率与查全率最后,本文使用MATLAB和MFC混合编程设计实现了一个面向本地图像数据库的测试图像检索原型系统,此系统操作简单,检索速度快。