在图像检索系统中，图像特征提取和表达对系统的检索结果起着至关重要的作用。特征以向量的形式描述，主要是描述图像颜色、形状、纹理和空间关系等的特征。文中介绍了几种典型特征提取方法，并对多特征融合技术作了比较深入的介绍和研究。 由于表达图像底层特征的向量往往是高维的，给图像的索引和匹配计算带来了极大的困难。为解决这个问题，特征降维技术和高维索引技术被应用到图像检索系统中。局部线性映射(LLE)是比较新颖的非线性降维算法，本文首次将其应用于图像检索。结果显示，LLE能改善系统的检索效果。而对于高维索引技术，已经有一些比较成熟的算法，文中作了一些介绍。 本文在深入研究非负矩阵分解(NMF)的基础上，提出将NMF相关反馈应用于图像检索，取得了不错的效果。通过与权值调整、SVM(支持向量机)相关反馈的比较结果显示，NMF能大幅度的提高检索的准确率，更能满足用户的要求。 通过对检索系统各个模块和技术的研究，本文实现了一个通用的图像检索系统。实验表明，检索系统的检索结果基本能令用户满意。