互联网技术与数字化的飞速发展以及电子数码产品的普及使人们能够获取的数字图像数据已经越来越多。然而,对于大量的图像数据,如何让人们能够快速有效地进行管理与检索,并从中获取潜在的有价值的信息成为亟待解决的问题。为此,基于内容的图像检索(CBIR)和图像数据挖掘技术应运而生,成为学者们近年来研究的热点课题,并取得了许多显著的成果。本文在前人研究的基础上,对图像聚类及其在图像检索中的应用进行了较深入的研究,主要研究工作如下：1、对基于内容的图像检索和图像聚类技术进行了分析和研究,总结了目前流行的图像特征提取方法、聚类分析方法、相似度计算模型以及图像检索技术等。2、在特征提取方面,重点研究了基于颜色和纹理的特征提取方法,提出了分块加权颜色直方图方法；在灰度共生矩阵的基础上,研究了色彩共生矩阵,提出了综合颜色和纹理的多特征表示方法。实验表明,这两种方法能够更加有效地表示图像信息,从而使聚类的性能有了较大的提高。3、研究了图像聚类算法,采用AP (Affinity Propagation)算法进行图像聚类,实验表明对于图像聚类,AP算法比传统聚类方法更加有效。4、设计并实现了一个基于聚类的图像检索系统,将聚类技术应用到图像检索中。首先将图像数据库中的图像进行聚类,建立图像索引,检索时先找到与待查询图像最相似的类,继而检索工作继续在该类的内部进行。实验表明这种方法可以在保证检索效果的基础上大大提高检索效率,节省时间。