随着多媒体技术和计算机网络技术的高速发展,以及大容量电子设备的广泛使用,多媒体图像数据正在以惊人的速度增长。因此,如何有效地从如此数目庞大的图像数据库中检索出所需图像,正成为当前一个十分重要而又亟待解决的研究课题。传统的基于文本的图像检索方式由于其效率低且检索精度差,已无法满足现今人们对海量图像数据检索的需求,而基于内容的图像检索则是有望解决这一问题的关键技术,也是目前众多专家学者研究的热点。本文在全面分析总结基于内容图像检索领域中关键技术的基础上,重点研究了图像特征提取和相关反馈技术。主要工作及研究成果包括：1、在图像局部特征提取、描述、匹配环节中,本文提出了一种结合SURF和MSER的组合特征方法。该方法根据MSER区域的分布将SURF特征点分成组,组成组合特征,再在特征点匹配的时候通过打分的方式考虑组内SURF特征点的几何相似性。经过实验验证,该组合特征SURF-MSER提高了经典SURF算法的正确匹配率和可重复性,为以后的CBIR系统奠定了坚实的基础。2、在相关反馈环节,本文提出了一种改进型GA-PSO算法,并将其应用于基于内容图像检索系统中的相关反馈中。改进型GA-PSO算法克服了经典遗传算法易陷入局部极值和复杂度较高的缺点,将粒子群算法的思想应用到GA的计算过程中并在交叉操作中引入欧氏距离。在此基础上,本文通过改进型GA-PSO优化算法来实现特征提取与匹配中参数的优化调整,从而使检索结果更加符合用户的需求。仿真实验结果表明,本文所提方法有效提高了图像检索系统的性能。3、综合以上研究,本文设计了一个基于局部特征和相关反馈技术的图像检索系统,并用c++完成了该系统的搭建。该系统使用基于p稳定分布的局部敏感哈希方法,实现图像数据库的快速检索。经过仿真实验,该系统可以较好地完成图像检索,并有效地验证了本文所进行的理论研究的结论和实施的可行性。基于内容的图像检索领域涉及知识面很广,本文只对其中两项关键技术进行了深入的研究,以后将在更多方向做进一步研究。