随着互联网的快速发展及各种数字化设备的普及，数字图像的数量正以惊人的速度增长，如何对其进行组织、管理和检索是亟待解决的一个重要问题。基于内容的图像检索技术研究正是为了解决如何有效、快速的从图像数据库中检索出相关图像的问题而提出的。近年来，此项技术已成为国内外广泛关注的研究热点，在许多领域都有广泛地应用。　　 论文主要围绕感兴趣区域的多特征综合图像检索技术展开研究，首先系统地探讨了图像特征的提取技术，涵盖了颜色、纹理、形状和空间关系以及语义特征的提取，并介绍了图像的相似性度量方法和检索性能评价等。　　 其次详细研究了图像的多特征综合检索技术，解决了多特征图像检索的图像特征选取、多特征相似性度量和融合等问题。由于在基于内容的图像检索中，人们常常利用图像的全局特征来描述整幅图像。然而一方面全局特征不能描述图像的细节，丢失了图像的空间信息，另一方面用户可能仅仅对部分图像感兴趣，这时候图像的全局特征将不再有效，因此我们必须考虑图像的局部特征，提取用户感兴趣区域进行有效的检索。鉴于此，论文重点研究了基于感兴趣区域的图像检索算法，利用Harris算子提取图像的兴趣点，确定了感兴趣区域，并基于兴趣点提出了多种图像特征相结合的图像检索新方法。该方法利用兴趣点周围局部区域的环形颜色直方图和Gabor小波变换提取纹理特征作为刻画图像内容的主要特征，并结合兴趣点的空间分布对图像进行检索。这不仅克服了单一特征无法真正表征图像的缺陷，同时保证了检索算法对图像旋转、平移的识别不变性。实验表明：与同类方法相比表明，该方法有效提高了图像检索的准确率，具有一定的应用价值。　　 最后详细阐述了基于内容图像检索中相关反馈的关键技术。根据相关反馈算法所采用的检索模型将算法分为：基于查询向量点移动的算法、基于特征权重调整的算法、基于传统的统计学习理论算法、基于机器学习理论算法和基于记忆模型的相关反馈算法。实验表明：在基于兴趣点的融合多特征检索算法基础上，加入相关反馈算法后，明显提高了图像检索的准确率。