基于内容的图像检索是多媒体信息检索领域的一项新兴技术。和传统的基于标注的图像检索方式相比，它具有客观，自动高效等优点，有着非常广阔的应用空间。目前，大多数基于内容的图像检索系统提取的是图像的全局特征。全局特征提取方法虽简单通用且能够获得某种不变性，但当图像发生了变形，局部遮挡、扭曲等仿射变换时效果却非常不理想。而局部特征通过提取图像局部区域的信息构成特征向量，可实现较好的匹配结果。由此，基于局部特征的图像检索成为当前图像检索领域的一个研究热点。　　本文研究了当前基于局部特征的图像检索主流方法词袋方法(bagofwords)。词袋方法的出现使检索不再需要对数据库中的图像进行一一匹配，从而大大加快了检索的速度，使检索系统能够拓展到大的数据集。词袋方法即是借鉴了文本检索的一些思想和相关技术，将图片处理成是一组视觉虚拟词的结合(相当于文档分词为词的集合)，然后应用倒排索引，相关性排序等文本检索的技术来检索相关图片。本文对其中的关键部分进行了研究，提出了一种改进的基于多特征的检索方法，并实现了相关图像检索系统进行效果验证。　　在词袋方法中，由于在特征提取，虚拟词典的训练等过程中都有图像信息的丢失，导致最后有很多错误匹配以致于检索的准确率不高。本文提出了多特征的匹配及索引方法解决了这个问题，多特征的方法使用多个特征来代替单个特征，确保了特征匹配的准确性，并在之后的检索模块中，整合能够增强检索查全率的SOFT(softassignment)方法，使检索系统在查全率方面也有一个较好的表现。　　在之后的实验中，本文尝试了几种可能的多特征的结合方法，选取了最优的方法与参数，并在oxfordbuilding数据集中与词袋方法做了一个对比。实验证明，基于多特征的方法约有10％平均检索准确率(MAP)的提高。　　与现有的词袋方法相比，本文所提出的多特征的方法在不损失检索速度的情况下，消除了大多数的错误匹配，提高了检索的准确率，能够满足实用需求。