随着互联网技术、计算机科学技术和多媒体技术不断发展，在人类社会包括经济、生活、工作、学习等各个方面都产生了大量信息并且带动各个方面的信息呈爆炸式增长。如何从海量的图像信息中快速、准确的检索出有用的图像信息，提高图像管理和应用的能力已经成为人们研究的热点问题。基于内容的图像检索技术(Content-based image retrieval, CBIR)是利用图像的颜色、纹理、形状、边沿等底层视觉特征来描述图像内容并作检索，CBIR克服了传统检索方法的诸多缺点，引起人们的广泛关注。在CBIR领域，由于多尺度变换能获得良好的时频域局部性，同时统计模型能够近似的表征频域系数的分布，因此多尺度变换与统计模型相结合的检索方法成为CBIR的主流技术。在图像检索中，小波变换作为一种良好的多尺度分析方法而多被应用于纹理图像的检索，与小波变换相比，Curvelet变换较提供更多的方向、统计信息而吸引人们的研究。但是目前基于Curvelet变换的方法所用低阶统计特征比较简单，获取的图像纹理特征不够丰富，因此在Curvelet变换域引入高统计阶特征以提高检索能力具有重要的研究价值。本文主要对基于Curvelet变换的图像纹理特征进行了较深入的研究。文中提出在Curvelet变换子带上分别建立广义高斯密度模型和灰度梯-度共生矩阵来提取图像的纹理特征，经过一系列实验证明了该方法的有效性。主要工作如下：1.利用Curvelet变换的多方向性，在Curvelet变换子带上建立广义高斯密度模(GGD)，用基于Newton Raphson迭代法的最大似然估计得到模型参数α，β，获得图像的稀疏表示，在此基础上结合K-L (Kullback Leibler)距离作为相似性度量方法，很好的获取了图像的纹理信息，在纹理图像库上对比了几种算法的检索结果。同时在纹理特征的基础上用特征加权的方法将图像的颜色特征引入，应用于彩色图像的检索取得较好的检索效果。2.在Curvelet变换子带上引入灰度-梯度共生矩阵(GLGCM)，通过计算灰度均值、灰度标准差、小梯度优势、能量、相关性、逆差分矩等特征有效地提取了图像的纹理特征，同样采用加权的方法结合图像的颜色特征应用于彩色图像库获得了较好的检索结果。