随着多媒体技术的不断发展,日常生活中的图像数量呈现爆炸性的增长,图像检索已成为当前亟需解决的问题。目前常用的图像检索方式与文本信息检索一致,均是通过关键词来进行检索。这种方式一般被称为基于文本的图像检索,其中主要存在两方面问题：第一、该检索方式需要对图像进行合理的关键词标注,然而当前图像自动标注技术尚不成熟；第二、用户有时很难用若干关键词来表示检索条件,而更希望通过以图搜图的方式来查找相似图像。为了解决这些问题,进一步满足用户的检索需求,基于内容的图像检索技术被提出。该技术是直接通过对图像内容进行分析来提取相应的视觉特征,以此实现检索。当前基于内容的图像检索技术已成为学术界与工业界所关注的焦点。本文将针对该领域开展深入而细致的研究,重点关注基于形状特征的图像检索,基于颜色特征的图像检索,和图像检索中的用户反馈处理三项关键技术,主要工作包括：(1)在基于形状特征的图像检索方面,本文提出一种结合形状描述与特征匹配的新检索方案用来解决商标图像检索问题。在新方案中,首先为了进一步准确表示形状相邻边界点间的关系,提出一种基于外接圆采样的新轮廓特征描述算子；其次,为了准确描述形状区域特征并降低计算复杂度,提出基于兴趣点及其空间分布的新区域特征描述算子；最后,为了克服当前特征匹配策略的缺陷,提出一种基于调整值的特征匹配策略,并给出基于条件概率的调整值计算方法。文中通过在公共形状图像库上的图像检索实验来对该方案及其所包含的特征描述算子和特征匹配策略进行全面性验证。通过实验结果对比可以看出,所提出的方案要明显优于当前其他方案,能更有效地应用于商标图像检索中。(2)在基于颜色特征的图像检索方面,本文提出两种方案来解决在基于局部颜色直方图的检索方法中由游离兴趣点所产生的问题。第一种方案是通过选择更为合理的兴趣点中心来作为兴趣点空间环形划分的基准,从而更为合理地构建局部颜色直方图实现检索。按照这一思路,本文给出了基于兴趣区域的检索方法和基于兴趣点最小圆的检索方法。第二种方案是在聚类算法基础上对兴趣点进行分组来构建局部颜色直方图实现检索。按照这一思路,本文给出基于兴趣点加权聚类的检索方法,其中加权聚类算法是对传统聚类算法的有效改进,目的是得到更好的兴趣点分组结果。文中通过在公共标准图像库上的检索实验,验证了上述三种检索方法的有效性。并通过与当前同类方法进行对比可以看出,所提出的三种方法均能有效地解决游离兴趣点问题,更为合理地构建局部颜色直方图,从而获得更为精确的检索结果。(3)在图像检索中的用户反馈处理方面,本文提出一种基于邻接矩阵和局部组合特征的新型核函数,来进一步提升基于支持向量机(Support Vector Machine, SVM)的用户反馈处理方法的有效性。首先在现有局部特征表示方法基础上融入邻接矩阵特征和局部组合特征从而能更细致地表示图像内容。其次,给出新核函数的定义,其计算表达式分为两部分,一部分是传统核函数的线性组合计算,另一部分是基于邻接最佳匹配对的计算。其中邻接最佳匹配对是新提出的概念,目的是为了使核函数的计算结果能更有效地表示图像间的相似性。最后,证明所提出的核函数满足应具有的性质,从而可应用于SVM中进行用户反馈处理。文中通过两个公共标准图像库上的目标对象检索实验来对所提出的核函数进行验证。通过实验结果比较可以看出,与当前其他常用核函数相比,本文所提出的核函数能有效地融入SVM中进行用户反馈处理,从而获取更为精确的图像检索结果。