随着大数据及其相关技术的研究和发展,对信息的存储、检索、利用的要求越来越高。图像检索是信息检索的重要领域,如何灵活、高效、准确的对图像进行检索就成了当前迫切需要解决的问题之一。基于内容的图像检索技术是图像检索的热点研究领域之一,并取得了一系列研究成果。基于内容的图像检索技术实主要是自动提取图像中对象的颜色、形状、纹理等特征或者这些特征的组合,计算出检索图像特征与目标图像特征之间的相似度,回馈出检索结果。基于形状特征的图像检索在基于内容的图像检索中占有重要的地位,且已得到广泛的研究和应用,形状特征包含着丰富的结构信息和语义信息,比较符合人们的视觉特征,且形状特征的描述、提取等是比较困难的。本文在研究总结图像检索算法成果的基础上,提出了一种基于形状特征矩的图像检索算法：首先,研究并分析了两种基于形状特征的图像描述方法,分别是基于边界的描述法和基于区域的描述法。其次,重点研究了基于矩的形状描述方法,利用Hu不变矩对图像平移、旋转、尺度变换的不变性,分别提取出示例图像和图库中各图像的形状特征向量。在提出特征向量的过程中,由于形状特征的不规则性,需要对其进行归一化处理,从而提取出较为准确的特征向量。然后,利用改进的距离公式计算出示例图像和图库中各图像的形状特征向量之间的距离,提出一个可以调整高低阶矩的权重值,根据不同实验结果进行算法的调整,保证算法的准确性,满足用户对结果的需求。最后,利用仿真实验对算法进行了几何变换不变性分析和图像检索性能分析,实验结果表明该算法具有较好的检索效果。