随着英特网的不断发展，图像数量与日俱增，每天大量的图像都会被添加到图像数据库中，图像检索技术逐渐成为一个非常活跃的研究领域。如何有效地对这些图像进行分析、存储和检索已经成为一个亟待解决的问题。因此建立一个高效，准确的图像检索系统是迫切需要的。　　早期的研究是基于文本的图像检索技术(TBIR)，首先对图像进行手动标注，即利用图像名称、拍摄的地点等描述性文字标记所有图像，然后人们根据这些描述性文字查询自己需要的图像。然而这种基于文本的检索图像技术更多地依赖人对图像的主观理解，而忽略了图像本身的内容信息，因此无法较准确完整的描述出图像内容的含义。　　在过去的几十年中，已经有很多基于内容的图像检索系统被开发出来，例如：IBM的QBIC系统，MIT的相册系统，Berkeley的Blobwrold系统等等。这些典型的基于内容的图像检索(CBIR)系统的主要思想是：使用用户提交的查询图像与数据库中的图像进行特征的比较，来判断图像之间的相似性。常用的特征包括：颜色，纹理，形状，空间关系等,其中空间分布特性很少被考虑，因此主要采用的特征是颜色，纹理和形状。　　采用单一的图像特征在某些情况下不能达到较好的效果，尤其是在海量的图像库中，若对每张图像进行相似度计算将在很大程度上降低检索效率。因此本文提出了一种新的颜色和纹理结合的方法。本文的主要贡献概括为如下几部分：　　首先，对特征提取的方法，颜色直方图法进行了改进，将其与纹理方法相结合，并且通过比较各种纹理方法，选取一种更好的方法，以提高图像检索的准确性。　　其次，通过一种快速的图像纹理识别的技术来辨别图像是否为纹理图像，然后对纹理图像进行纹理特征的提取，对非纹理图像进行颜色特征提取，通过对不同类别的图像进行分类检索，提高检索效率。　　最后，运用常用的聚类方法，K-MEANS聚类算法分别对纹理图像进行纹理特征的聚类和对非纹理图像进行颜色聚类，极大的提高了检索的速度。　　实验结果表明，通过采用纹理识别技术，聚类方法，以及改进的颜色特征提取方法和纹理特征提取方法，不仅在检索准确率上有很大的提高，而且在提高速度方面有很大的成效。未来的工作是，通过采用动态分配权限的方法，并结合颜色特征和纹理特征，使得检索结果更加精确。