计算机技术、多媒体技术及Internet的迅速发展，使得基于内容的图像检索成为多媒体领域最活跃的研究热点之一。本文首先介绍了基于内容的图像检索(CBIR)的背景及意义、国内外研究现状及热点、以及典型CBIR系统；然后简要介绍了基于内容的图像检索系统的系统框架、各功能模块及关键技术。本文利用图像处理、模式识别、计算机视觉与数据库技术，针对CBIR所涉及的关键问题展开了研究，主要工作为：●详细分析了颜色、纹理、形状等底层特征提取方法及相似性匹配方法，并对单一底层视觉特征的提取和检索进行了实验分析。●结合当前CBIR的一个研究热点—感兴趣区域(ROI)的检索方法，提出融合ROI的多特征图像检索方法，该算法首先对样例进行四叉树分解，再由用户选择分解后的任意多个感兴趣的子图，提取子图的特征以进行相似性匹配。并给出基于感兴趣区域的颜色矩、共生矩阵和形状不变矩的特征提取方法。●对相关反馈技术进行了深入研究，为进一步捕获用户意图、提高检索性能，提出了融合ROI的区域权重调整相关反馈思想。●提出了综合多特征和相关反馈的ROI图像检索的系统模型，提出ROI的多级CBIR模型和区域权重模型。设计了此系统体系结构和系统流程，并在介绍本系统的检索过程时详述多层次检索及融合ROI的区域权重调整流程。●设计并实现了综合多特征和相关反馈的ROI图像检索系统原型，将ROI和相关反馈引入图像检索系统，减小了底层特征和高层语义之间的语义鸿沟，有效地实现了人机交互，为不同算法的效果验证提供了同一平台。