随着网络技术的高速发展，图像信息飞速增长，从海量的数字图像中快速提取有用的信息已经成为人们生活和工作的迫切需求。基于内容的图像检索技术在20世纪90年代应运而生，成为智能信息处理领域的研究热点。传统图像检索过程依靠人工对图像文字标注再用关键字来检索图像，这种方法既耗时，又缺乏可靠性，主观能动性太大。基于内容的图像检索克服传统检索的不足，直接从待查找的图像视觉特征出发，在图像库中找出与之相似的图像。基于内容的图像检索通过图像的视觉特征（如颜色、纹理或形状等）来表示图像的内容，并以从图像中所获取的视觉特征作为图像内容的索引。基于内容的图像分析的目标并不是对图像语义的真正理解，而是通过对图像分析后抽取一些具有较强分区能力而且尽可能向图像语义靠近的特征，利用这些特征作为索引来进行图像的相似性检索。本文详细讨论了国内外基于内容的图像检索技术的研究现状与成果，对基于内容的图像检索系统进行了介绍，分析和研究了图像检索中的关键技术，包括特征提取、相似性度量以及性能评价标准。其中特征提取技术和相似性度量技术都属于基于内容的图像检索技术的核心问题。本文针对这两个问题，研究如何描述图像内容，准确提取特征，以及精确的对图像内容进行相似性度量。本文重点分析了基于颜色和形状特征的检索方法，提出了基于分块颜色直方图的检索方法和依靠特征点来确定图像轮廓的检索方法，并通过实验分别验证了这两种基于颜色特征和形状特征检索的方法的可行性，最后在以上两种方法的基础上，提出了一种用颜色特征提取图像边缘信息的方法。一般情况下，彩色图像中的对象与背景之间必然存在颜色上的差异，利用这些颜色上的差异来提取物体形状边缘信息，比直接提取边缘特性更容易。本文通过研究图像颜色上的变化差异来提取图像对象的边缘信息，用于基于形状的图像检索。最后通过实验验证了这种方法比前面使用的单一依靠颜色特征和形状特征更加有效和实用。