从海量数字图像资源中准确的搜索到特定图像是多年来图像处理研究领域内的研究热点。传统基于文本的图像检索技术(TBIR)由于成本昂贵、费时且主观性太强等因素，导致在庞大的数据库中难以有效的达到检索目的。相比而言，基于内容的图像检索技术(CBIR)面对多元化且较为复杂的数字图像数据库显得十分有效。CBIR使用底层图像特征自动提取图像内容，避免了基于文本检索技术的弊端，从而能够高效的完成整个图像检索过程。　　底层图像特征包括图像的颜色特征、纹理特征以及形状特征等。其中，图像的纹理特征是较为重要且突出的视觉特征。传统的基于纹理特征图像检索算法在阈值的选择上具有局限性，选择灰度图像损失了图像部分信息，无法提供高检索精度的检索结果。为了提高检索性能，寻求更有效的纹理特征来描述图像信息显得尤为重要。　　针对上述问题，本文提出一种基于局部邻域旋转直角模式的图像检索方法。首先，在保留原始彩色图像的颜色信息基础上，通过RGB颜色空间分离图像的R、G、B单道色分量，分别对三个分量进行二维离散小波变换，取各分量的低频子带。其次，基于VLBP模式针对各颜色分量低频子带构建局部模式，在选择恰当的自适应阈值基础上，使用局部邻域旋转直角模式针对所构建的局部模式计算局部邻域旋转直角模式值，通过直方图的形式表征特征向量，并基于旋转不变均匀LBP模式对特征向量进行降维处理。最后，将单幅图像的特征向量与图像数据库中图像特征向量进行特征相似度度量，使用平均查准率(ARP)以及平均查全率(ARR)对图像检索结果进行评价。实验结果表明，该算法较传统算法平均查准率以及平均查全率较高，检索效果较为突出。