随着互联网信息技术的普及应用，越来越多的图像资源被上传到网络平台，针对如此庞大的图像数据，人们迫切的需要一项技术来实现图像的检索查询。早期的图像检索通过文字标注得以实现，由于标注过程繁琐且缺乏客观性，已逐渐不能适应当下的检索需求，因而基于内容的图像检索技术应运而生。该技术可以对图像的内容信息实现自动分析获取，避免了图像文字标注过程中受到人为因素干扰。为了提高图像检索性能，文中以图像底层特征为基础重点研究了图像分块加权的检索算法以及图像感兴趣区域的检索算法，具体研究内容如下：
　　(1)文中首先论述了图像检索领域中的相关内容，对图像部分底层特征做了初步简介，然后详细介绍了在检索时常用的特征相似性度量方法以及检索性能评价指标。文中在对系列相关算法的研究基础上提出了两种改进的检索算法，分别是基于图像分块加权的检索算法和基于图像感兴趣区域的检索算法。
　　(2)传统算法所提取的图像全局特征忽视了图像的空间分布特性，针对这一不足之处，文中提出了一种新的图像分块加权算法。首先对图像做Harris兴趣点提取处理，然后将图像分为3x3共9个均匀大小的子块并统计位于不同子块区域内的兴趣点个数，根据各子块区域内兴趣点个数占比为该子块赋予相应的权值，最后分别提取各分块加权后的特征向量并进行特征相似性比较。实验结果表明，文中所提出的图像分块加权算法能更合理的体现区域间的空间特性，获得了更优的检索性能。
　　(3)图像除却主体部分外通常含有大量的背景信息，这些冗余内容无疑会对检索结果造成影响。文中提出了一种改进的感兴趣区域提取算法，通过Harris-Laplace算法提取出图像的兴趣点并删除一定比例位处图像边缘区域的点，最后划分出一个基于保留兴趣点的外接凸多边形区域作为图像的感兴趣区域，只提取区域内的信息特征以实现检索。实验结果表明，文中所提出的改进算法能划分出更加符合人眼感知的感兴趣区域，并通过多种特征的融合处理获得了较好的检索效果。