随着多媒体采集技术、处理技术以及互联网技术的飞速进步，产生了海量的共享性图像／视频等多媒体数据，在许多领域中都出现了大型图像数据库。如何有效地、快速地从大规模图像数据库中检索出用户需求的图像成为了一个富有挑战且亟待解决的课题。基于内容的图像检索技术(Content-Based Image Retrieval CBIR)应运而生，受到了日益广泛的关注，成为了一个异常活跃的研究领域。 CBIR系统以图像为处理对象，采用计算机、多媒体等技术模仿主观视觉的相似评价过程的模式识别系统。目前，人们对视觉系统识别机制的理解还不够深入；所以，CBIR系统的各个环节都应该尽可能充分地反映人类视觉感知的特点，从而实现整体系统性能的进一步提升。 本文较为深入地研究了基于内容图像检索领域的多项技术；重点研究基于视觉感知特性的CBIR技术，具体工作在量化、底层特征提取和相似度量设计三个方向展开。 本文的主要贡献总结如下： 1．提出了利用彩色-灰度分界曲线的HSV空间量化算法 HSV空间中颜色分布的规律性不强，一般算法采用标量量化的方法，该方法在低饱和度和低亮度区域会出现较多量化误差。针对这一问题，本文依据视觉系统对于颜色感知的特点，总结出HSV空间中颜色分布的规律性；提出采用彩色-狄度分界曲线把HSV空间分割成彩色和灰度两个子空间并分别提取特征的方法，避免／降低了上述的量化错误。具体为：首先，对亮度-饱和度平面进行网格化处理，将网格点的坐标转换至视觉一致的L~*a~*b~*空间，并采用差分求解区域极值的方法确定彩色-灰度分界曲线上的一组点；然后，利用最小二乘法完成曲线函数的拟合；最后，给出了基于该曲线函数的量化算法。彩色-灰度曲线函数的独立性很强，可以与其它量化方法配合使用。 2．提出了一种反映颜色关注度的特征提取算法 根据视觉生理学、心理学的理论和模型，阐明了视觉系统对不同颜色显示出不同的关注程度，指出：用颜色所占的图像面积比重来确定其特征