基于内容的图像检索是一种依靠图像的颜色、纹理和形状等视觉内容来实现图像自动检索的技术。视觉内容的描述是其最为关键的环节，直接影响系统的检索效果。本文着重研究了视觉内容的描述方法：全局描述、局部描述以及融合全局和局部的描述。　　 第一部分为全局描述方法。详细介绍了MPEG-7主颜色描述算子和边缘直方图描述算子，针对单一特征不能全面地描述图像的内容的问题，提出了基于MPEG-7的主颜色和边缘直方图的多特征描述方法，实验结果表明，基于多特征的描述方法要优于单一特征的描述方法。　　 第二部分为局部描述方法。为克服全局特征缺乏语义性的缺点，提出一种基于K-means的自适应图像分割算法，将图像分割成几个不同区域，分割后的区域对应于物体或物体的一部分，具有一定的语义性。在局部描述匹配时，根据图像检索任务的要求，提出了一种改进的Hausdroff距离。实验结果表明，局部描述方法优于全局描述方法。　　 第三部分为融合全局与局部描述的图像描述方法。基于前面两部分的研究，发现全局描述缺乏特征的空间位置信息，对图像的细节描述能力很差；基于分割的局部描述中，分割是关键的环节，目前尚未有一种符合人理解的图像分割算法，分割问题阻碍了图像检索的效果，且图像分割算法一般耗时较长，难以实时实现。为此，提出了一种融合全局和局部描述的图像检索算法，该算法的思想是通过融合全局描述和局部描述实现从不同的细节来描述图像内容。其局部区域通过固定分块获得，省去了分割步骤，提高了计算速度。经过测试，本算法取得了较高的检索率。