图像检索技术是信息检索技术中重要组成部分，其发展将在一定程度上解决图像与人类理解上的语义鸿沟，对日常生活、经济发展和社会进步都起着积极作用。面对海量图像数据，提供高效的图像检索技术已经成为目前计算机领域的研究热点。本文针对图像检索技术中的图像特征提取、特征融合、图像表示分类以及大规模数据处理中的检索优化技术进行研究，并有针对性地提出多个算法和技术方案。本文主要研究工作如下：(1)讨论分析图像检索中图像特征描述和匹配的相关问题，采用颜色归一化和分块加权的匹配方法，基于相对误差距离改进了主颜色匹配算法，使颜色检索具有更优的结果。(2)研究图像检索中纹理特征的表示和匹配问题，提出基于非下采样Contourlet与灰度共生矩阵特征融合的纹理表示方法，并进行多特征的归一化融合。该方法能够更精确表达图像空域、频域多方面信息。(3)引入稀疏表示方法，采用稀疏表示构建图像分类方法，对检索图片进行粗分类，以缩小图像检索范围。方法主要利用稀疏表示的特有性质，训练得到稀疏字典，通过稀疏性和残差判定目标类别。(4)面对大规模数据检索的效率问题，探讨面向应用的层次K均值聚类检索方法，减少问题规模；在聚类和训练过程中，引入并行计算方法，设计K均值的并行计算方法缩短聚类耗时。本文对提出的方法进行实验论证，结果表明本文提出的技术方案是行之有效的。