随着多媒体技术、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库、可视信息进行有效的管理成为迫切需要解决的问题，基于内容的图像检索是解决这一问题的关键技术之一。对于一个图像检索系统，视觉特征的描述和相似度的测量是两大关键。本论文将针对图像检索领域内的许多基本概念和研究课题进行全面介绍，并着重讨论三种图像低层特征，颜色、纹理和形状的定义表达、特征提取和相似度测量。最后，结合综合检索和相关反馈技术，提出一个以颜色信息为主导的图像检索方案。 颜色信息是被广泛应用的低层可视化特征，它在拉伸、旋转、透视变换和有遮挡的情况下都能保持较好的鲁棒特性。本文中采用的分块代表色法弥补了一般颜色直方图法不能捕捉图像中对象空间位置信息的缺陷。文中还提出了两种聚类代表色法，前者是基于K均值的简单聚类，后者则是本文的重点方法：在较为均匀的CIE L*a*b*颜色模型空间，利用基于平均值位移的聚类算法提取代表色，然后采用EMD方法进行相似度测量。平均值位移能很快地找到聚类中心位置，而EMD相似度测量克服了传统距离计算方法的不足。 本文在纹理特征中详细介绍了灰度共生矩阵法，并在纹理谱法的基础上提出了灰度变化统计法，通过设置四个方向的灰度变化统计量来描述纹理特征。形状特征中利用小波变换模极大值法提取图像边缘，然后利用不变矩法对形状进行描述。由于颜色、纹理或形状特征只适合于某类图像，所以单用一种特征进行检索效果并不理想。文中提出了一种综合利用上述三种特征共同进行检索的方法。同时，还将相关反馈技术融合到算法中，通过权值矩阵的正负调整及各种特征系数的调整来提高检索准确率。 文中的原型系统能够提供基于颜色、纹理、形状的单一特征检索，以及结合相关反馈的综合特征检索。在原型系统基础上本文对上述各种算法进行了对比实验，从查准率、平均序号和检索时间验证了它们的有效性。