随着互联网的普及和飞速发展，其所包含的图像数量也急剧增加，这使得如何高效、快速地对图像数据进行检索和分类成为了当前的一个研究热点。传统的图像检索分类方法是以关键字为标准进行分类。早期是采用人工为图像标注关键字，然后用检索文本的方法来检索图像。这种方法的缺点是工作量太大，主观性过强。随着Web技术的不断成熟，开始通过爬虫获取图像的相关文本作为图像语义进行检索分类，但Web页面的复杂性增加了提取网页文本的难度，也降低了检索分类的准确性。因此，基于内容的图像检索分类方法应运而生了。基于内容的图像检索，是一种利用图像的视觉特征（如颜色、纹理、形状等）进行图像检索的技术。本文以基于内容的图像检索为主，对检索分类系统的关键技术特别是图像特征提取方面做了细致的研究，提出了两种新的基于内容的图像检索分类方法。第一种分类方法是以“关键字+图片主色调”为标准对图像进行检索分类，这种分类方法将基于文本和基于内容的图像检索分类技术相结合，既考虑了用户对图像的感受，又符合人眼的视觉感受；第二种分类方法是根据用户的个性化标准进行分类，即以图搜图，这种方法将基于内容的图像检索技术和用户兴趣模型相结合，从而为用户提供了更有针对性的检索分类结果。最后，本文设计并实现一个基于内容的图像检索分类系统，对本文提出的新的图像分类检索方法进行了实验比较和性能分析。同时，也为今后进一步的研究搭建了一个测试平台。