基于内容的图像检索(CBIR)是多媒体信息检索领域的一项新兴技术。与传统利用文本标注的检索方式相比，它具有对图像内容描述充分、客观性强、自动高效等优点，有着极为广阔的应用空间，受到广泛关注并逐渐成为多媒体应用技术领域的研究热点。　　 众所周知，文本的检索容易实现，因为无论字体，字号怎么变化，内容始终不会改变，可以实现精确的查找和定位；而图像却不同，只要稍微进行一下缩放，便无法再按像素查找。这时就需要寻找一种对图像更本质的描述，即图像特征。本文主要研究目的就是让图像检索也能像采用关键词的文本搜索一样，采用局部关键图像进行检索。　　 图像特征概括来说可以分为全局特征和局部特征，因为全局特征对图像细节描述不足，本文将重点对局部特征进行研究。将原本用于场景匹配、目标识别的尺度不变特征变换(Scale invariant feature transformation，SIFT)算法应用于图像检索。并基于一个特征提取实例过程，分步骤介绍其原理。在相关实验中，SIFT算子己被证实其匹配性能明显高于同类型的局部特征。　　 为了将SIFT特征应用到图像检索中，本文抛弃了对于高维特征搜索精度较低的BBF算法，提出了使用改进的层级kmeans树搜索算法来建立图像库索引，在建树过程中简化了选定聚类中心点的过程，以降低建树时间，在搜索过程中改进了距离判定方式以提高搜索精度，加入了优先队列以提高搜索效率，且进行了大量实验选定其初始化参数。相似度则采用基于阈值的匹配方法，以加权的方式计算匹配度，按从高到低返回搜索结果。　　 最后，为了验证本文方法对于局部图像检索的效果，实现了一个图像检索原型系统。实验证明，本文方法用于图像检索是有效的。