目前的图像检索技术主要是采用图像内容进行检索的方式。常见的图像内容包括图像的色彩、纹理、形状以及语义的特征。这些特征是高维数据,对于数据处理有较高要求。为了减少检索过程中的运算量,提高检索速度和精度,应该采用一个合理的方法对图像库数据进行预处理。本文采用的是一种较新的聚类算法对图像库划分预处理。该算法与传统的聚类算法不同,它是一种基于密度的聚类算法,适用于任意形状分布的数据,具有良好的自适应性,自动获取聚类中心及其个数。通过本文验证,使用该聚类算法检索相较顺序检索提高了图像的检索速度。同时本文引入Haar特征用于图像纹理表达使得检索结果更加准确。该特征是一种基于灰度值的计算方法,适用于有稳定纹理特征的样本。本文采用该算法对样本进行特征提取,通过实验结果表明,采用该特征得到的结果更加准确。本文在最后分析了改进聚类算法和Haar特征在实验过程中的优势与不足,结合实验结果对本文所有工作进行了总结。同时指出了聚类算法和纹理特征在实际运用中遇到的障碍,对目前图像检索技术所面临的困难进行了分析,并对接下来的工作做出了展望。