在近几年来,多媒体数据库数量日益庞大,数据库中图像的数目也无时无刻不在增长,传统的图像检索方式已经难以满足用户的需求,这就使得研究者将更多的目光投向了基于内容的图像检索(Content Based Image Retrieval, CBIR),在研究者们的不懈努力下,CBIR发展迅速,已经取得了很好的检索效果,人们在进行检索时,不再是基于文本的检索,而是利用图像的底层特征,比如颜色、纹理和形状等。其中,最直观的底层特征属颜色特征,人们在看到一幅图像时,首先感知到的是它的颜色信息,所以,在对基于内容的图像检索的研究中,人们最常用到的方法是基于颜色特征的检索,而且,对任一类型的彩色图像这种方法都适用。在对颜色特征的提取中,全局颜色直方图应用广泛,跟其他表达图像特征的方法相比,它有一个很大的优势就是它具有良好的旋转、平移和尺度不变性,在检索图像时使用比较灵活,适用范围广,而且计算较为简单。然而,它并不能很好的表达颜色的空间位置信息,也就是说,对于颜色分布完全不相同的两幅图像,很可能它们的颜色直方图是相同的,这样在视觉上完全不同的图像就可能被检索出来,这显然不是人们希望的。所以,研究者提出了局部直方图的思想,这种方法首先把图像按一定的规则进行分块,分成几个小区域,然后提取每一个区域的颜色直方图,再采用合适的相似性度量准则,计算对应的各个区域之间的相似度,加权累加,即可得出整体图像的相似度。分块检索方式通过各分块之间的位置关系,在一定程度上包含了图像的空间信息,使得检索结果较之前的全局直方图有了很大的改进。但是,对图像简单的分块又无法保证图像的旋转及平移不变性。因此,本文提出一种结合图像整体颜色特征和分块颜色特征的方法,首先提取图像整体的颜色直方图,再对图像进行分块划分,利用分块加权,结合颜色特征的图像检索。该方法结合了图像的整体与分块颜色分布,即表达了图像的空间信息,又保证了旋转不变性和平移不变性。全局颜色直方图弥补了分块局部直方图所缺失的旋转、平移、尺度不变性等,而分块局部直方图又很好的弥补了全局直方图所没有的空间信息分布,二者互为结合,达到了很好的检索效果。在本文中,两幅图像之间的相似度为整体相似度和分块局部相似度的加权和,最后,在检索中又加入了相关反馈技术,在完成对算法的研究之后,本文又设计实现了一个基于本地图像库的检索系统。在本文的最后,对文章进行了总结,并对后续工作提出了展望。