图像包含大量信息、直观、易吸引人的注意力，随着当今互联网技术的迅猛发展，准确、快速地将用户所需求的图像从庞大的图像库中检索出来是我们目前的研究重点。由于图像内容的多样性，基于内容的图像检索（CBIR）技术逐渐被提出并发展成为图像检索的核心研究领域。CBIR系统通过采用图像的底层特征进行相似性比较来检索图像，为加强图像中有用特征的提取，本文提出基于对象提取的图像检索技术，围绕基于内容的图像检索中的关键技术，对图像的对象提取算法以及检索算法进行了综合研究，主要研究成果包含以下几个方面：(1)基于梯度阈值对提取的图检索为加强图像检索领域中有效特征的提取，提出基于对象提取的图像检索技术。针对灰度图像提出一种改进的二维Otsu梯度阈值选取的快速迭代算法用于图像分割，该方法利用图像的灰度信息，采用灰度级-最大梯度二维直方图进行阈值选取，同时采用迭代思想代替穷举搜索，快速选取阈值进行对象分割，提取出目标对象，克服了传统二维Otsu算法分割效果不够准确、计算复杂度较高的缺点。通过将分割出的目标对象进行特征提取与比对，用于检索系统进行检索，验证了该方法的有效性。(2)基于图割算法对提取的图检索在基于对象的图像检索技术中，针对彩色图像提出了采用Grabcut算法进行图像分割的图像检索系统。Grabcut算法可以有效的利用图像的彩色信息，采用高斯混合模型建立彩色图像数据模型从而取代了直方图，将图像分割提升至彩色领域，并且采用迭代的方式取代一次估计高斯混合模型参数，提高了分割精度，同时还使用了非完全标号方式进行颜色信息标记来减少用户交互工作量，用户只需在目标区域的周围画一个矩形框即可，运用组合优化技术对能量函数进行最小化得到最优分割。将Grabcut算法实现在图像检索系统中，待分割完毕后对分割后的图像进行特征提取与匹配。实验证明该算法可以得到满意的检索结果。(3)实现了基于对提取的图检索系统设计并实现了基于对象的图像检索系统，系统中加入了本文的图像分割算法进行对象提取。实验结果证明了本文方法的有效性。