随着互联网的发展以及各种摄像设备的普及,图像作为人们传达信息的一种载体,已出现在当今的各行各业。如何快速有效地从大规模的图像数据库中搜索出人们需要的图像信息便成了一个亟待解决的问题。基于感兴趣区域(Region of Interest,ROI)的图像检索是解决该问题的一个重要方法;另一方面,视觉词袋模型(Bag of Feature,BOF)作为一种图像特征表示方法在图像检索和图像分类中得到了广泛应用。基于以上考虑,本文提出一种感兴趣区域提取方法以及基于图像感兴趣区域和分块区域的视觉词袋(Block BOF,BBOF)图像检索方法,主要工作如下:(1)提出了一种基于超像素分割和显著模型的图像感兴趣区域提取方法,同时利用图像中央偏向性优化感兴趣区域;然后通过提取感兴趣区域的HSV颜色直方图和联合统计特征在Corel 1K、Corel 5K、OT-scene和MIT Vistex四个图像库上进行检索实验。实验结果表明,我们提出的方法能够比较快速有效地提取图像的感兴趣区域,而且提取的感兴趣区域有助于检索性能的提升。(2)提出了一种结合感兴趣区域的分块视觉词袋的图像表示方法。利用视觉词袋模型,对图像分块区域和优化后的感兴趣区域提取BOF直方图,按序构成更为稳定和可识别性的图像BBOF直方图;同时提取感兴趣区域的低层特征在四个图像库上进行检索实验。实验结果表明本文方法能够在一定程度上提高了图像检索性能。