随着多媒体以及网络通信技术的迅速发展,图像数据库的规模也快速膨胀。图像作为一种直观有效的信息表达形式,已经广泛的应用于各领域中,因此找到一种快速有效的图像检索方式成为关注问题。针对传统的基于文本的图像检索需要人工对图像进行大量注释的缺点,基于内容的图像检索通过计算机提取图像低层特征改进了检索方法,该技术成为图像检索领域中的一大突破,并且是近年来国内外专家的研究热点。本论文在现有的基于内容的图像检索技术手段的基础上,对将图像的颜色和形状特征融合的颜色特征—颜色对进行了研究,得到以颜色对作为检索索引的方法,且通过支持向量机对检索结果进行相关反馈以达到用户的需求,最后在相关实验中证明本论文所研究的技术方法对检索性能的改善。本论文所作的主要工作如下:在图像的颜色、纹理、形状等特征中,颜色特征由于其高稳定性得到最为广泛的应用,本论文主要就该图像特征进行研究。首先从图像的颜色特征的分析和提取着手,对相关知识理论和算法进行探讨,综合颜色特征的各种表达方法的优劣,找到一种很好的表达方式—颜色对,它是可以将图像的颜色和形状特征融合作为检索索引的颜色特征。在提取图像特征的过程中适当的考虑了优化处理来提高检索的精度,包括利用一系列预处理方法来改善图像质量,选择适合人眼感观的HSV颜色模型,对颜色进行量化和聚类操作以降低特征矢量维数。本论文对颜色对检索方法的具体实现流程进行详细的介绍,并阐述了它较其他检索方法的改进,包括不同关注点的选择以及对图像的旋转、平移、伸缩变化的不变性,最后还做了相关实验来证明该方法的优越性。在颜色对方法的初次返回结果的准确率上作进一步改善,对相关反馈机制这一技术热点进行研究,以缩小用户与计算机之间对图像的理解的差异,并证明该方法的可行性。本论文采用支持向量机方法来对小样本的正例图像进行学习,找到学习模型指导新一轮的检索,从而优化检索系统的性能,论文最后给出了经过多次反馈后的实验结果。在本论文中提出的基于颜色对的图像检索涉及的所有理论以及相关手段分析的基础上,将前面研究的技术有机的整合到一起,设计了该检索方式的总体框架,并且进行反复实验,从实验数据中分析它的改善性。