基于内容的图像检索技术是智能化信息搜索领域研究的重点之一，同时也是图像处理和人工智能相结合的产物，其对数字化信息时代的发展，乃至人们生活方式的改变都起着积极的促进作用。人类在感知图像内容的过程中，会对局部感兴趣区域格外关注，在此理论基础上，研究基于显著区域信息的图像检索方法是提高图像搜索效果的一个有益尝试。本文以商品图像为研究对象，研究了图像商标的定位方法、词汇树层次语义模型和基于该模型下的图像检索原型系统设计与实现三方面内容，目的是提供一种更贴近人类理解方式的图像检索技术。本文主要研究内容如下：（1）讨论分析了图像检测技术中目标定位的相关问题，研究了图像显著区域检测的典型方法。在显著区域检测基础上，提出了一种基于支持向量机(SVM)分类模型的多级窗口匹配策略，实现了感兴趣焦点区域(FOA)的自适应构造。该方法可以精确定位出图像的商标区域，为提取商标语义信息提供优质条件。（2）分析了文本搜索中词汇树的概念，通过将其应用到图像特征描述中，构造了SIFT词汇树。研究了图像语义知识在图像检索中的应用，针对图像中对象语义抽取问题，结合Bayesian统计决策理论提出了一种基于词汇树的层次语义映射模型，通过该模型可以实现商标对象的语义特征描述。（3）分析讨论了基于内容的图像检索系统基本框架，运用商标定位方法和基于词汇树的层次语义映射模型，设计了基于显著区域商标信息的图像检索原型系统，并且详细叙述了其实现过程。该原型系统融合图像低层特征和商标对象的语义特征，并在此基础上进行匹配，极大地提升了检索效果。