随着互联网、通信技术和存储技术的迅速发展,大量的图片信息不断涌现。如何高效、准确地从海量的图像中检索出人们所需要的图像是图像分析和应用领域的一个重要问题。在进行海量数据检索时,基于内容的图像检索(Content Based Image Retrieval CBIR)技术是一种非常有效的方法,而纹理特征则是描述图像的关键要素之一。小波变换具有良好的时频分析能力,已广泛应用于图像检索。但传统小波变换只能使用有限的方向去捕获边缘特征,不能有效地表达图像的边缘几何特征。非下采样剪切波(Nonsubsampled Shearlet Transform NSST)不仅具有各向异性及方向选择性,而且具有平移不变性。与传统小波相比,可有效捕捉图像的边缘信息。与轮廓波相比,能对图像进行稀疏表示,具有更高的计算效率。本文研究了非下采样剪切波的有关性质及其在图像检索中的应用。首先分析了图像NSST系数的统计特征,利用混合高斯函数对各个方向细节子带进行混合建模。对逼近子带进行均匀量化,对细节子带采用非均匀量化,提取多分辨共生矩阵的纹理特征,并结合统计特征进行融合,再利用具有权重系数的度量公式进行相似度计算。最后将此方法应用于标Brodatz图像库,对全部112幅纹理图像进行图像检索。实验表明：此方法与传统小波的相比,可以取得更好的检索率。