在过去的十几年里，基于内容的图像检索(CBIR，CONTENT-BASED IMAGERETRIEVAL)受到了广泛的关注，尤其是2000年之后，这个领域获得了极大的发展。但是到目前为止，基于内容的图像检索中仍然存在着许多待解决的问题。特征提取便是基于内容的图像检索研究中最为重要的一个方面。图像特征提取结果的好坏直接影响图像检索的最终性能。有鉴于此，本文主要研究了多尺度相位特征(MPF，Multi-scale Phase Feature)提取的相关问题。本文主要工作如下： (一)系统地研究了尺度空间理论，为图像特征的提取做了理论铺垫。尺度空间理论作为一种强有力的数据分析工具，应用在图像上则可以提供对图像从粗糙尺度到精细尺度的不同分辨率下的图像描述，亦即多尺度描述。通过对图像进行多尺度分解，得到图像在尺度空间的多尺度描述，从而建立起符合人眼视觉特性的图像特征模型。多尺度的图像特征模型是后续特征提取的基础。 (二)引入复数可调滤波器(Complex Steerbable Fiter)的概念，提取出不同于传统特征的多尺度相位特征。可调滤波器本身是一种经典的方向性滤波器，在计算机视觉和图像处理有着广泛的应用，它可以非常便捷地计算出图像在任意方向上的滤波结果。为获得图像的相位信息，本文对可调滤波器的形式进行复数化处理，利用得到的复数可调滤波器组对图像的多尺度描述进行分解，随后，对得到的多尺度相位信息再做进一步的特征重组，即利用直方图投影的方法得到该相位信息的统计直方图，最终计算出图像的多尺度相位特征。如此获取的图像相位特征对于图像视觉内容有着很强的表述能力。 (三)对多尺度相位特征在图像检索中的应用做了性能分析，并着重对其联合传统的图像特征检索的结果进行了实验分析。多尺度相位特征是不同于传统颜色、纹理和形状的新特征，因此利用它和传统特征进行联合，可以对传统特征在对图像的视觉内容的描述上起到有力的补充，从而获得更大的性能提升。从信息论的角度来看，也很容易理解。因为这样的联合增加了新的信息量，对图像内容的表述更加的完备。实验结果也证实了使用联合之后的特征进行检索，性能有了明显的提高，极大地提高了检索准确率。