随着互联网技术和社交网络技术的飞速发展，用图交流已经成为当下最有效的沟通手段，因此利用机器模拟人脑对图像的理解和识别，具有广泛的社会应用价值。其中，相似图像的检索在图像处理中有着十分重要的位置。　　目前相似图像的检索仍然存在许多问题值得研究。传统的基于文本和基于内容的的图像检索已经不能满足当前用户的实际需求，需要有一种更为高级的方式抽象出图像的高层语义特征，从而让图像的检索结果更加符合人的理解。图像的显著性是一种表征图像高层语义的方式。　　本文提出了一种新的表征图像显著性的定义，即显著性中心线。基于该定义，结合图像的局部和全局特征，分别提出了两种提取显著性中心线的算法:第一种是基于显著点的显著性中心线提取算法，第二种是基于视觉注意机制的显著性中心线提取算法。　　接着，在显著性中心线的基础上定义图像的相似性，并提出了基于一种该基于显著性中心线的相似性度量算法。在图像的检索过程中，利用该算法分别对上述提出的两种显著性中心线结构计算其局部相似性和全局相似性，最后对两种相似性结果进行加权归一化计算，得到最终两幅图像之间的相似性值。　　实验结果表明，利用显著性中心线作为图像的特征，适合对主体与背景分离，主体结构清晰的图像进行检索，同时，利用局部-全局相似性图像检索的正确率和召回率均比利用单一相似性（局部相似性或全局相似性）进行检索的正确率和召回率要高。基于显著点的显著性中心线能够反映图像的局部特征，在图像检索中，仅仅适合色彩单一的图像，而基于视觉注意机制的显著性中心线能够代表图像的全局特征，对背景和主体不分明的图像能产生更好的检索结果。