随着信息技术的飞速发展，数字图像处理进入高速发展时期。多媒体数据库及互联网上的海量图像信息需要有效而快速的方法实现检索。由于图像数据库变得越来越庞大，传统的基于关键字的图像检索技术已经无法满足检索需求。为了解决这一矛盾，人们提出了基于内容本身的图像检索技术(CBIR：content-basedimage retrival)。在这种检索技术中，图像是通过自身的可视化内容被标记和区分的，因而图像的特征提取和匹配就变得非常重要了。图像的特征包括颜色、形状、纹理及其结构等，其中纹理特征是非常重要的特征之一，人们利用纹理特征进行了大量关于图像检索、图像分类的研究。纹理特征的重要性在于它存在于许多现实世界获取的图像中，如：云朵、树木、头发、砖块等等。针对纹理特征提取已经做过大量的研究，但大多数基于一个前提假设，即：所有的图像都是从同一个视角获得的，即图像的角度，大小，位置都一样。而在实际的应用中，这个假设显然是不成立的，因而这些方法实现的检索效果就变得比较差了。已经有一些学者提出了用于图像分类的具有旋转不变性的纹理特征提取方法。但这些方法是针对图像分类这一应用领域提出的。基于他们提出的算法的启发，本文将研究一种用于图像检索的纹理特征提取方法，该方法具有旋转、伸缩、平移不变性，能更好的适应实际应用的需要，较传统的方法在检索发生了几何失真的图像时能取得更好的检索效果。本文总体上分为三个部分，第一部分介绍了图像检索技术的发展现状及用于图像检索的几种主要的特征提取实现方法，第二部分基于典型算法提出本文算法，第三部分对本文算法进行测试，并给出与典型算法的比较结果。最后做出总结，并提出后续工作内容。本文算法的独特之处主要在于，在特征提取的过程中，对数-极值域的自相关图像被引入，它表征了纹理图像的规律性和连续性，从而消除了上述几何失真的影响。在图像检索的过程中，一组由自相关图像的树型小波变换得到的统计值将作为特征值来衡量图像之间的相似度，区别与典型的小波变换算法，后者直接将原始图像做小波变换得到的统计量作为特征值。在验证过程中，采用较简单的欧氏距离(也称L2距离)法作为检索的模式识别方法，从而证明即使在简单的识别算法下，本文的特征提取方法较之与传统的特征提取算法确实具有较高的抗几何失真的检索能力。