随着多媒体信息技术和互联网技术的发展,数字图像数据急剧增长。如何从大量的图像中快速有效地查找出人们所需要的图像成为一个相当重要而富有挑战性的课题。基于内容的图像检索技术应运而生,并成为多媒体信息处理领域的研究热点。经典的基于内容的图像检索通常将图像量化为向量的形式,从而形成一个特征向量库。检索时计算示例图像的特征向量与图像库中各个图像的特征向量之间的相似度,系统按照相似度从大到小的排列顺序将检索到的图像输出给用户。面对巨大的图像库,传统的顺序检索方式并不能满足人们的需要。本文对经典的基于内容的图像检索方法进行了改进,主要工作包括以下几个方面：(1)针对颜色直方图不能反映图像空间信息的问题,采用对图像重叠分块的策略,提取了图像的颜色和空间信息特征。(2)对经典的k-means聚类算法进行了改进,解决了经典算法对初始类中心敏感的问题。(3)引入相关反馈机制并对其提出改进。改进后的相关反馈相对于原来的方法,减轻了用户负担,提高了图像检索性能。