由于互联网、数码产品和多媒体技术的飞速发展及推广应用，产生了海量的数字图像。如何从海量数据中方便检索出用户需求的图片，促使CBIR成为目前图像应用研究的重要课题之一。
　　 对CBIR展开了充分的调研，以及结合前人的成果，本文主要针对CBIR存在的技术问题进行了比较深入的研究，提出并模拟研究了基于内容的图像检索若干算法模型，主要工作体现在以下几方面：
　　 1.针对颜色相关图维数过高的问题，提出了基于位平面的颜色相关图的图像检索。对图像进行位平面的分解，为了避免图像微小的颜色值变化对位平面产生一些影响，采用了灰度码的表示方法。由于不同的位平面对人眼的视觉重要性不一样，所以位平面的权重是不一样的。该算法考虑了颜色分布和空间信息，并且降低了维数，提高了图像的检索性能。
　　 2.针对单一利用颜色或形状特征检索图像技术的不足之处，本文提出并研究了综合利用颜色形状多特征信息的图像检索算法模型。颜色特征采用HSV空间下的颜色直方图；形状特征采用边缘方向直方图，用Canny算法进行图像边缘的提取，并用OTSU算法确定Canny算法的高阈值，使提取的边缘更符合视觉特性。仿真实验表明：综合利用颜色和形状特征描述图像的内容比单独利用颜色或形状特征进行图像检索的效果要好，提高了图像检索的查准率。
　　 3.本文对粒子群算法进行了研究和改进。基于标准粒子群算法模型，依据粒子适应度，引入模糊处理和遗传变异技术，自适应调整粒子群更新方式，增强粒子群多样性维护性能，以提高优化质量与效果。通过测试函数的模拟实验比较，所建模糊变异粒子群算法模型比标准粒子群算法在精度上得到提高，但收敛稍慢。将改进的PSO算法应用于图像检索，对粒子的编码、解空间和适应度做了研究和分析。由于图像特征与语义信息的差别，引入了相关反馈。实验结果表明：随着反馈次数的增加，查准率得到了提高，能够更好的满足用户需求。