随着多媒体技术和图像采集设备的发展,图像数据以前所未有的速度增长,如何有效地分析、组织和管理这些海量的图像资源,使得基于内容的图像检索系统成为研究的热点。图像检索的研究涉及诸多领域,在各个领域中如何使计算机能够从人的视觉角度来理解并匹配图像信息是当前研究的难点之一。基于区域的图像检索(RBIR)是基于内容图像检索(CBIR)研究的一个新的阶段。区域图像检索的两大核心问题是区域图像信息的特征描述和提取以及区域特征信息的匹配,本文工作就是围绕这两大问题展开,并在此基础上对本文研究的图像分割、检索和反馈算法进行系统实现。合理有效的图像分割是区域图像特征描述和提取的前提条件。首先,本文在传统的分割方法基础上,采用JSEG分割算法对测试图像进行分割。第二,针对人们感兴趣区域,本文利用JSEG图像分割算法结合基于注意力机制的显著图提取算法提取了图像的显著区域特征。第三,本文系统可以使用RGB、LUV、LAB和HSV四种颜色模型来多角度描述图像的区域特征。采用图像分割结合显著区域的方法,配合多种颜色模型的方法进行检索,更好地表答了用户图像检索的意图,提高了检索准确度。在区域特征匹配中,首先分析了传统的综合区域匹配(IRM)算法。在系统中实现了多种特征联合的IRM算法,并在建立的图像数据库上对算法进行了实验和分析。在此基础上,对传统IRM算法针对显著性区域进行了优化。本文在图像反馈检索过程中引入了多示例学习方法,实现了多样性密度(DD)算法并在系统中进行实验。在算法研究基础之上,我们建立了一个基于内容的区域图像检索实验平台,说明了系统的组成模块和功能,最后对实验结果进行统计分析。