从图像检索方法产生至今,已经形成了三个重要的分支:基于文本的图像检索、基于内容的图像检索、基于语义的图像检索。基于文本的图像检索,用文本来描述用户的需求,如图像名、图像特征等,但因为文本表达能力的局限以及文本标注过程中的歧义性,往往造成检索结果和用户需求的不符合;基于语义的图像检索,在图像视觉特征基础上进一步提炼其高级的语义表达能力,但检索过程复杂且方法体系发展尚不完善;基于内容的图像检索,以颜色、纹理、形状等作为图像的特征表达,以此为依据开展检索并作为相似性判断的依据,是当前图像检索领域的研究热点。基于内容的图像检索方法,为提升查准率和查全率需要同时使用多种特征。这些特征的融合策略和融合规则,是制约基于内容图像的检索方法性能的关键问题。本文以基于内容的图像检索方法为研究对象,以多特征融合框架设计、融合规则设计为核心研究内容,以检测领域中的应用为研究背景,开展了如下的研究工作:第一,在单一特征的图像检索方法框架基础上,研究多特征融合的图像检索理论框架,深入分析多特征融合过程中的特征选择、特征提取、特征向量生成、相似性比较等问题。从特征向量融合和相似性测度融合两个角度,构建多特征融合图像检索理论的通用框架。依托层次分析法,构建图像检索方法的评价框架。第二,综合考虑查准率和检索时间,提出了基于颜色特征和边缘特征融合的图像检索方法。此方法在相似性测度中,将红色、绿色、蓝色三个颜色分量特征和边缘细节特征融合在一起,以此提升检索结果的准确性。同时,为了降低检索过程的执行时间,颜色特征和边缘特征的提取都放在二次小波分解的低频分量图像上。第三,综合考虑查全率和检索时间,提出了基于小波基特征的图像检索方法。此方法融合了两类抽象的小波基特征,作为图像检索过程中的相似性判断依据,充分发挥了小波基特征的自适应能力,使得整个方法对不同类别的图像都具有较强的针对性。同时,小波基特征通过泰勒级数近似替代,也具备较好的速度优势。第四,综合考虑查准率和查全率,提出了多特征ESN融合的图像检索方法。此方法融合了颜色特征、纹理特征、形状特征,并用ESN网络训练得出三种特征的融合权重,不仅增强了相似性判断的全面性也增强了检索过程的适应性。