数码相机的广泛使用，使生活中的数字图片数量大大增加。因而，图像的分类和检索成为了一个重要的应用问题。但是如何在大型图片库中搜索用户想要的图片却是尚未攻克的难题。近年来，在数据库系统和计算机视觉两大领域的共同推动下，基于内容的图像检索己成为一个非常活跃的研究领域。虽然基于内容的图像检索技术的研究现在己经取得了很大的进展，但是一些系统都处于探索的阶段，在应用方面还没有达到完全理想的效果，距离大范围使用还有很大的差距。所以基于内容的图像检索技术是一个有重要研究意义和巨大实用价值的研究领域。主流的基于内容可以分为基于样图的图像检索和基于草图的图像检索。基于草图的图像检索技术是检索大型图像库的一种重要技术，草图作为查询图像的简化,经过用户意识的有效信息提取，方便检索向高层语义迈进。它可以有效地克服现有的基于关键字的图像检索方法的需要标注的缺陷，同时也弥补了用户使用基于样图的图像检索技术时需要合适样图的不足。但用户所画线条较为稀疏，线条表达的对象并不具有丰富的光度特性，而且不同人所用线条表达的对象会有不同的位置和大小，甚至具有不同的非线性形变。所以，基于草图的图像检索技术的改进和完善是极具挑战性的研究问题。本文分别针对基于全局特征的检索算法和基于局部特征的检索算法进行两个方面的改进。首先提出了基于边缘切线流场的多尺度结构张量检索算法。该算法在边缘切线流场上计算结构张量，取代原来在梯度方向上计算的步骤，而且该算法在多尺度分区形式下进行结构张量特征提取，使得相似性度量中大尺度的分区形式具有较高权重，从而更有效地避免噪声纹理产生的梯度的影响。通过测试基准的实验测评的验证，该算法有效地避免了使用图像梯度方向来间接描述图像显著边缘方向的不稳定性，使得结构张量能直接在显著的强边缘上进行计算、抑制了弱的边缘的影响，并且多尺度的提取方式在一定程度上增强了特征的平移不变性。另外，本文还提出了基于感兴趣关键字模型的SHoG特征包算法。该算法使用连贯线条画生成算法改进了特征包方法中的图像边缘提取的预处理，使得从图像所得的线条能表征图像中对象主体的概要线条，并且与用户手绘线条的风格十分接近，然后使用视频检索算法中的感兴趣关键字模型来改进特征包算法。通过实验可以证明，通过上述改进，有效地使得特征包算法免去Canny算子不稳定性的影响并且使得特征包算法的关键字的权重与它们的空间关系相关联起来，改进的特征包算法在测试基准上的性能得到提高。