如今,随着信息产业迅猛发展,人类已经进入信息时代,视频、图像等多媒体和网络技术呈现指数增长态势。为了使这些海量的数据得到有效的存储,人们不可避免的通过建立大型的数据库来使这些海量的数据得到有效的存储。因此,如何能更准确、迅速地从海量的图像数据库中检索得到我们所需要的图像成为近年来国内外多媒体技术领域研究学者们共同关注的问题。正是在这种背景下,基于内容的图像检索技术吸引了广泛注意,成为一个热门的研究领域。特征的提取与表达是基于内容的图像检索技术研究的基础,其算法的选择也与系统的检索性能有直接的关系。通过对特征的提取与表达的算法的深入探究,本文引入边缘检测算子来提取图像的边缘信息,采用经典的彩色多级阈值方法分割图像、提取图像轮廓。在此基础上,本文对现有的颜色直方图、Hu矩和Curvelet变换算法进行改进。在在对Curvelet变换算法进行改进的过程中,引入均值、方差和偏度三个参量共同表示多尺度Curvelet分解每个分解层上的能量分布,从而能够更有效的描述图像的纹理信息。对图像库中的10类图像进行检索实验,实验结果表明,与原算法相比,改进算法的平均精确度有所提高。单一特征对图像内容的描述不够全面,本文进一步研究基于特征融合的图像检索。为了让颜色、形状和纹理三种特征更好地融合从而提高检索性能,本文将层次分析法和相关反馈技术相结合,根据改进后的单一特征检索算法进行检索的统计数据,引入层次分析法设定各单一特征的初始权重。在初次检索结束后建立了相关反馈机制,用户可以对检索结果评价,系统根据用户的评价自动调整权重以匹配用户的检索意图,实现人机交互。通过在MATLAB R2010b环境下开发的基于特征融合的图像检索系统的检索实验表明,引入层次分析法设定三种单一特征的初始权重和相关反馈调整权重相结合的方法,不但提高了图像检索系统的检索性能,还可以有效减少反馈次数、提高系统检索效率。