随着多媒体信息技术的高速发展及网络的日益普及,来自社会各个领域的数字图像的数量与日俱增,图像的存储和管理成为一项繁重的工作。如何从巨大的图像库中准确又快速的找到用户所需要的图像成为急需解决的问题,因此基于内容的图像检索技术(Content -Based Image Retrieval,CBIR)应运而生,成为多媒体信息领域重要的研究方向。本论文围绕基于内容图像检索中的相关核心问题,进行深入的研究,主要内容包括:(1)为了避免单一视觉特征不能充分刻画图像内容的缺点,提出了一种基于彩色边缘综合特征的图像检索算法。该算法首先利用Canny检测算子提取原始图像的彩色边缘轮廓;然后构造能全面反映图像边缘轮廓信息的三种直方图,即彩色边缘加权颜色直方图、彩色边缘角度直方图和彩色边缘梯度方向直方图;最后综合利用这三种直方图计算图像之间的相似度,并返回检索结果。该算法有效提高了检索效率。(2)为了解决图像底层视觉特征和高级语义之间的语义鸿沟问题提出了一种基于最大期望参数估计的集成支持向量机的相关反馈图像检索算法。该算法首先构造AB-SVM分类器来解决SVM不稳定和SVM最优超平面偏移问题;然后构造RS-SVM分类器来解决SVM中出现的溢出问题;最后用最大期望参数估计方法将AB-SVM和RS-SVM集成为一个性能更强的分类器对图像进行分类。该算法显著改进了传统基于内容图像检索的效率。(3)提出了一种基于特征重构的相关反馈图像检索算法。该算法首先将图像特征映射到一个高维核空间;然后利用正例样本的正交互补成分重新构造样本图像和测试图像的特征;最后用新构造的图像特征构造分类器。该算法针对分类器中训练样本的不同属性,重新构造一种更容易进行分类图像特征,有效提高分类器的分类性能。