人工免疫算法(Artificial Immune Algorithm，AIA)是在生物免疫系统理论的基础上发展起来的一种新型的智能化搜索算法。AIA具有学习、记忆、自适应等特点，在全局快速查找最优解方面表现出良好的性能。AIA已经成为当前算法研究领域的一个热点，在机器学习、故障诊断、入侵检测、模式识别等工程领域有了广泛的应用。基于内容的图像检索(Content-Based Image Retrieval，CBIR)是在基于文本的图像检索系统的基础上发展起来的。CBIR技术能够客观全面的描述图像的内容，而且基本不需要人工参与，其发展前景被研究学者们广泛看好。在目前来说，CBIR还处于研究阶段，其关键技术是提取图像的颜色、纹理、形状等特征进行相似性匹配检索，难点在于如何使提取的图像特征能够更好的描述图像的语义内容，从而提高检索结果的准确性。为了更好的描述图像的语义内容，本文将AIA引入到图像检索中，设计了一种有效的基于AIA的图像检索模型。此模型具有免疫记忆机制和智能化搜索能力，能够长期学习和理解用户的语义要求，从而加强了图像特征和语义内容的联系。本文的主要工作包括以下部分：1)在对目前AIA的发展现状及其基本原理、免疫应答类型和原理进行综述的基础上，研究和分析了几种经典的AIA算法及其主要的应用领域。2)阐述了目前CBIR的发展现状以及其检索过程的基本步骤，深入研究了图像的特征描述和提取方法、图像的相似性度量方法以及相关反馈方式；讨论了几种著名的CBIR图像检索系统和CBIR未来研究的主要方向。3)将AIA和CBIR技术相结合，建立了基于免疫算法的图像检索模型。该图像检索模型由四个部分组成：(1)图像的特征表示及相似性度量；(2)特征库和特征聚类中心库；(3)免疫记忆库；(4)图像检索的免疫算法。4)该图像检索模型采用了更加符合视觉感知的HSV颜色模型和图像区域的7个不变矩作为图像的特征表示；将提取后的图像特征存入特征库并对特征库进行聚类分析后将聚类中心存入聚类中心库；利用AIA的亲和力来进行特征的相似性计算；同时把AIA的记忆机制结合到用户对检索结果的相关反馈中，将反馈结果和检索样本的联系存入记忆库，下一次检索时将会利用免疫记忆库来调整输出结果，使得检索结果的准确性得到稳步提高。5)在Windows环境下，使用Visual C++对上述图像检索模型进行了模拟实现，并从标准Corel图像库中选取了27个主题共4000幅图像进行了相关实验。结果表明：在初次检索中系统返回的检索结果能够较好的满足用户要求，随着检索次数的增多，系统积累了丰富的用户相关反馈信息，检索精度有了进一步的提升。