随着多媒体技术与网络技术的迅猛发展,图像数据来源的不断扩大,数字图像容量正以惊人的速度增长。这些数字图像中包含了大量有用的信息,为了能够从海量的图像数据库中准确、快速地找到用户所需要的内容,基于内容的图像检索(Content-Based ImageRetrieval,CBIR)技术得到了广泛关注,并且已成为国际学术界研究的一个热点。基于内容的图像检索是利用颜色、纹理、形状等底层特征和语义等高层特征进行检索图像,由于图像背景通常占据图像的较大部分,在提取图像特征的过程中,对图像中主要目标的特征造成了一定影响,使得基于全局特征的图像描述不能很好地反映图像的语义特征。经典的颜色直方图法虽具有计算简单、平移、旋转、尺度不变等特性,而且抗噪声能力强,但其无法反映颜色的位置特性,难以区分颜色组成相似但是空间分布不同的图像。针对以上问题,在参考了大量国内外最新研究成果和进行深入探索实验之后,本文在概述图像检索的背景意义、研究现状和应用领域的基础上,综述了图像检索的系统结构、检索方法的技术分类、相似性度量方法和系统性能评价方法,重点介绍了基于颜色特征的图像检索,并提出一种新的检索方法:利用Otsu法对图像分割来提取目标区域,该方法更加有利于基于内容的图像检索;在基于颜色特征的检索方面,选用HSV颜色空间,并介绍了RGB空间与HSV空间的转化方法。为了降低颜色特征的维数和系统开销,对颜色空间进行量化以降低维数。并且使用了一种改进的扇形图像分割方法,该方法首先将图像进行分块,然后结合颜色直方图进行特征提取,选用颜色的三阶中心距作为特征向量,计算其绝对值距离,进行相似度匹配,对图像进行检索。本文的方法不仅排除了背景像素点的干扰,而且对目标图像中像素点的颜色位置进行了定位,能够较为准确地提取图像中的显著区域,并且应用到图像的检索中,实验结果表明,基于对目标图像进行扇形分割的图像检索方法其效果优于一般的基于全局特征的图像检索,尤其在查准率上明显优于颜色直方图的检索方法。