多媒体技术的快速发展和海量图像库的不断涌现，让基于内容的图像检索成为备受关注的研究领域之一。如何快速准确地从大型数据库中检索到相关图像已成为急需解决的难题。传统的基于内容的图像检索方法在图像底层特征和高层语义间存在“语义鸿沟”，为了减少这一影响，研究者提出很多改进措施，其中最有效的方法就是利用局部特征表示和引入相关反馈技术。
　　 本文主要工作包括：
　　 1、针对全局特征的不能精确描述图像细节的缺陷以及传统小波显著点阈值固定的问题，提出一种改进的基于显著点的图像检索，本文显著值阈值根据每幅图像所有粗糙显著点的显著值和的百分比确定，并且为避免显著点集中在密集纹理区域内，还对每个显著点5*5邻域内进行检测，如果存在显著点，则保留显著值最大的那个点。显著点特征提取过程中提出将局部特征和全局特征结合的方法，局部特征的提取利用显著点的空间位置分布信息，将显著点划分为3个同心圆环，计算每个圆环的颜色矩和形状不变矩，并与全局纹理特征相结合。实验结果表明，该算法的检索结果满足一定要求。
　　 2、针对提取的显著点缺乏语义信息的问题，提出将显著点和SVM相关反馈结合的图像检索方法。采用的SVM相关反馈是根据用户标记的正负样本训练学习新的分类模型，对特征库重新分类，给出新的检索结果。
　　 3、本文提出一种基于显著点和模糊特征估计索引结合的图像检索方法，模糊特征估计索引是通过反馈的正负样本集数据计算“类间模糊”和“类内模糊”，得到新的特征向量的权值，然后重新计算加权欧式距离，给出检索结果。反馈结果表明，经过反馈后的检索性能得到较大提高。
　　 4、为验证本文提出的算法性能，设计实现一个面向本地数据库的测试系统。该系统可通过小网格对结果进行预览、选择特征组合方式、进行相关反馈以及显示附加信息等。