由于图像在公安系统、数字图书馆、医疗和诊断、知识产权以及卫星遥感图像分析的广泛应用，图像数据库规模不断增大，如何更好地对这些图像进行管理、检索和查询成为当前研究的重点。图像特征的选择对图像检索技术的性能和检索效果有至关重要的影响。由于颜色、纹理及形状是图像内容的基本特征，本文借助这三种特征进行图像的检索。实验选择了颜色直方图、颜色相关图、纹理共生矩阵、Tamura纹理以及Hu不变矩五种特征提取方法，对图像库中10类图像分别进行单一特征检索，并以查准率为评定标准，统计各个特征对每类图像的查准率。由于基于单一特征的图像检索性能有限，对不同类别的图像要得到普遍较好的检索效果，本文提出了基于加权多特征的检索方法和基于改进的DS理论多特征的检索方法。加权多特征的检索方法是根据单一特征的查准率，本文对每一类图像以每种特征的查准率为权重依据，进行加权多特征融合检索，并与等比例多特征融合检索进行检索结果比较。之后又在上一种方法的基础上引入了DS理论概念，并对DS理论多特征检索的检索原理和过程进行了研究。选择Corel-test图像库，以DS合并原则为依据，并去除掉特征中单一查准率最低的特征，计算剩余特征的组合信任度，通过信任度计算特征相似度。实验结果表明，基于多特征DS理论的图像检索在一定程度上可以弥补基于加权多特征图像检索在某些图像类别方面的缺陷。在上面的工作之后，经过研究分析，我们对现有的语义检索技术进行了研究，选择了较成熟的SVM分类理论，通过选取部分图像作为训练集进行训练分类，同时考虑上一章提出的不同特征的优先级问题，提出了综合利用SVM和多特征的图像检索技术，来获得更高的检索效率。