随着多媒体技术、网络技术以及数字设备技术的迅速发展,如何有效的检索所需要的图像信息是急需要解决的问题。基于内容的图像检索技术就是这种背景和应用需求下产生的。尽管目前基于内容的图像检索技术取得了很大的进展,但也面临着巨大的挑战。主要困难在于计算机对图像的理解十分有限,它无法对图像内容进行语义层的分析和解释。本文研究的问题主要是围绕图像低层视觉特征提取这一关键技术展开,系统的研究了图纸低层视觉特征的提取技术。本文主要深入研究和分析基于内容图像检索领域的关键技术,其内容包括了颜色空间、图像主要低层特征(颜色、形状和纹理)的描述方法、图像特征间的相似性度量准则以及图像检索算法的性能评价方法。然后,对本文用到的角点检测算子和Mean Shift算法进行了详细的分析和介绍。此外,还提出了一种新的基于尺度空间类blob状物体的提取方法,该方法探测空间感兴趣点(即角点)和探测这些点的尺度,构造以兴趣点为中心的局部矩形区域。然后,我们从每一个局部区域中提取类blob状物体。最后,提出了一种新的综合颜色及空间特征的图像检索方法,利用改进的Mean shift聚类算法对图像进行预处理得到若干个重要聚类为主聚类,接着利用图像主聚类的平均颜色值及像素数作为图像的主要特征,定义图像检索的相似度为聚类平均颜色绝对差比与像素绝对差比的加权平均。并且提出了特征加权因子的可调节,使得所设计的系统可根据用户检索所反馈的信息进行调节和控制。