本文主要是对基于区域的图像检索和匹配方法的关键技术进行了研究。基于低层特征的图像检索中,几个关键步骤包括特征提取,图像分割,区域表示和图像匹配。本文首先把图像分成4×4小块,提取了每块的颜色和纹理特征共6维特征向量,然后用模糊C均值算法对这些特征向量进行聚类从而实现对图像的分割。针对某几类前景和背景的颜色和纹理比较分明的图像,本文将分割出的某些颜色和纹理较相似的区域合并,总体上分割结果比较令人满意,基本上可以很清楚地分开前景和背景。为了减小图像分割的不确定性,本文中使用了基于Cauchy函数的模糊特征表示算法用于表示区域的特征。在图像匹配阶段,本文概要阐述了一些常用的图像匹配方法,并对比了IRM和UFM两种匹配方法的图像检索效果。为了提高检索效率,本文针对某几类背景普遍比较大而且颜色纹理较为单一的图像对IRM匹配方法作了少许改进,该方法局限性大,提高的效率不高。所以本文又尝试了在IRM基础上更通用的一种改进算法,实验结果表明整体检索效果改善比较明显。