在多媒体技术、网络技术,特别是Internet技术的迅猛发展之下,信息不断膨胀,人们越来越多的接触到大量的图像信息。传统的基于文本关键词的检索方法已经无法适应图像信息的检索需求,如何有效的组织、管理以及查询和搜索这些大规模的信息,成为摆在我们面前的重要研究课题。因此,基于内容的图像检索(CBIR)技术应运而生,便逐渐成为当前的一个热门研究课题。本文首先对CBIR的国内外相关研究情况和当前在研究方面所遇到的问题和困难进行了分析和介绍。接着,分析了基于内容图像检索的体系结构和关键技术。然后,在此基础上,详细描述了基于颜色和纹理特征进行图像检索的过程和算法。在基于颜色特征的图像检索方面,本文首先介绍了三种不同的颜色空间模型:RGB空间、HSV空间和YUV空间,以及它们之间的相互转换。然后提出一种改进的颜色直方图方法,该方法选择符合人眼视觉特征的HSV颜色模型,同时将图像进行分割,形成不同子块,并对图像主体或用户感兴趣的子块加大权重,从而弥补了全局颜色直方图当中不包含任何空间信息以及传统分块中没有考虑到图像的主体或感兴趣区域的不足,大大提高了检索的智能性和查准查全率。在基于纹理特征的图像检索方面,着重介绍了一种基于子块灰度共生矩阵的特征提取方法,该方法选用YUV为纹理空间模型,由于灰度共生矩阵的计算量非常大,为了减少计算量,对图像的灰度级进行压缩,并且为突出图像中心区域将图像分成若干子块,计算每个子块的纹理特征,从而提高了图像的检索效率。基于以上提到的方法,本文建立了一个基于内容的图像检索实验平台,实现了各种检索方法。通过该实验平台对基于颜色、纹理和综合两种特征的三种方法得到的实验结果进行了分析,分析表明颜色和纹理相结合的方法要优于基于单一特征的检索方法。最后,对本文的研究进行了总结,并对未来进一步的研究工作进行了展望。