基于内容的图像检索是通过图像本身包含的颜色、纹理、形状等视觉信息对图像内容进行描述,并利用询问样本实现对图像库索引的检索技术。基于内容的图像检索技术适用于大型数据库系统中海量多媒体信息的查找和管理,作为一种新兴技术,基于内容的图像检索已经逐渐成为计算机视觉和图像处理领域中的一个研究热点,并且仍存在巨大的发展空间。本文在阅读大量国内外文献,并总结前人工作的基础上,首先介绍了基于内容的图像检索的研究状况和发展历程,然后详细阐述了基于内容的图像检索中各阶段所应用的关键技术。在此基础上,针对图像检索中的图像表达问题,本文给出两种特征表示方法；针对图像检索中的语义“鸿沟”问题,本文给出两种特征选择方法。本文主要工作和贡献有以下几个方面：(1)对基于内容的图像检索流程进行了分析,并对基于内容的图像检索中的关键技术做出了总结。首先,分析了底层视觉特征的特点,介绍了几种经典的特征提取方法。其次,介绍了几种典型的特征相似度度量方法。然后,总结了特征选择技术的发展状况及其应用。(2)针对图像内容的表达问题,本文给出两种特征提取方法。第一种方法首先计算图像块灰度变化的方向和强度,将图像块划分为不同纹理模式,每个图像块与其相邻的图像块组成纹理模式对,统计每种纹理模式对出现的次数,从而提取出纹理方向特征。第二种方法以图像块为单位,提取图像块的颜色和纹理特征,并根据所提取的特征,运用K均值聚类算法对图像进行区域划分。然后,计算每个区域的颜色均值和像素空间分布特征。最终,整幅图像通过各区域的多种特征共同表示。(3)针对图像低级特征和人类高层语义之间存在“鸿沟”的问题,本文给出两种特征选择方法。这两种方法运用过滤式特征选择的思想,依据判别准则对不同类别图像的各个特征做判别性测试,并将特征排序,从而在特征集合中查找出区分能力更强的特征子集,识别率最高的特征子集被认为是最优特征子集。针对以上特征表示方法和特征选择方法,本文在不同测试数据集上进行了大量的实验,并与已有图像检索算法进行了对比。计算机仿真实验结果表明,本文纹理方向特征、区域划分特征均能够有效地表达图像内容,并且特征选择方法能够消除低级特征和高层语义之间存在的“鸿沟”,从而使检索的查准率得到明显提高。