随着互联网和多媒体技术的发展,特别是在数码相机、扫描仪等多媒体设备的日益广泛普及,使数字图像的数量飞速增长,如何快速而有效地从海量图像数据库中查询到用户所需要的图像已成为一个亟待解决的问题。因此,基于内容的图像检索技术就应运而生,并逐渐地成为图像检索领域的研究热点。基于内容的图像检索是利用图像的纹理、颜色、形状等视觉特征进行检索的技术,它能够有效弥补基于文本检索技术的缺陷,直接对图像的内容进行分析并提取其内容特征,然后以这些特征作为索引,并根据一定的相似性度量方法在图像库中进行搜索。基于内容的图像检索的核心就是图像检索算法。本文主要是围绕图像检索算法进行展开的,重点研究了基于图像颜色和形状特征的图像检索方法,论文主要所做的工作包括以下几个方面：第一,介绍了基于内容的图像检索技术的原理和发展现状,研究了图像颜色、纹理、形状以及空间分布等特征的提取方法,以及图像间相似性度量方法,相关反馈和性能评价。第二,分析了经典的图像边缘检测方法,指出了Roberts算子、Sobel算子、Prewitt算子、方向算子、拉普拉斯算子以及LOG算子的优劣和适用范围。还重点研究了基于最优化理论的Canny算子和其缺陷。并对这些算法进行了仿真实验,对输出的结果进行了认真的分析和比较,还实验对比了各算法在噪声情况下表现出来的效果。第三,在基于Canny边缘检测的图像检索算法中,边缘的质量直接决定图像检索的效果,针对Canny算子在边缘检测上的缺陷,研究了其改进的方法,通过实验验证了此方法的有效性。提出了基于Canny自适应边缘提取与颜色定位的图像检索算法,该算法首先使用改进的Canny自适应算子提取图像边缘对数据库进行检索,查找与示例图像相似度大的图像,形成新图像数据库,然后在此数据库中利用主颜色确定图像的目标块,利用图像的目标块进行相似检索,完成对图像数据库的查询。实验结果表明,该算法改善了图像检索性能,同时也验证了算法的可行性和有效性。