随着多媒体、网络技术的飞速发展，图像信息的应用日益广泛，如何从大量的图像信息中快速而准确地检索出所需要的信息，就成为了一个急待解决的问题。随着大规模图像数据库的产生，传统的图像检索方法已经不能满足实际的需求。为了克服传统检索方法的局限性，基于内容的图像检索CBIR(Content Based Image Retrieval)技术应运而生，并成为图像领域研究的热点问题之一。 基于内容的图像检索是从图像本身的内容出发，根据图像所包含的颜色、纹理、形状等低层特征和语义等高层特征来分析图像信息，建立图像的特征向量作为其索引，通过检索这些信息对图像数据库进行检索，以满足用户对大量图像的检索要求。 本文在广泛查阅国内外有关基于内容的图像检索技术资料的基础上，以基于内容的图像检索为主线，对检索系统的系统结构和关键技术进行了总结，并在图像特征提取和用户相关反馈两个方面作了深入的研究。 CBIR技术的核心是表征图像内容的特征。本文在结合基于显著点颜色特征、形状特征两种检索方法的基础上，给出了一种基于显著点综合特征的图像检索方法。利用显著点的位置信息，提取图像各环形区域内显著点的颜色直方图特征和Hu不变矩特征作为特征向量对图像进行检索。通过实验表明，综合颜色和形状特征的图像检索方法克服了利用单一特征检索的局限性，提高了检索的准确率和检索的通用性。 在图像检索系统中引入相关反馈可以提高检索性能。本文将粗糙集理论引入到相关反馈中，给出了一种基于区域特征加权的相关反馈方法，结合用户标记的反馈图像建立决策表，通过决策规则的精度来对各个区域特征加权，使查询更好地满足用户的要求，从实验中可以看出该算法的有效性。 通过对图像检索系统模型的分析与研究，本文设计并实现了一个具有相关反馈的基于内容的图像检索原型系统，为验证上述研究结果提供了实验平台。