基于内容的图像检索(Content-Based Image Retrieval, CBIR)是基于内容检索技术(Content-Based Retrieval, CBR)的一种,它是指利用图像自身的颜色、形状、纹理、语义等特征对图像进行查询,试图在理解图像内容的基础上检索出与示例相类似的图像。CBIR直接从图像中提取特征建立索引,并且特征提取和索引建立可由计算机自动实现,避免了人工描述的主观性,大大减少了工作量。它区别于传统的检索手段,融合了图像理解技术,从而可以提供更有效的检索手段并实现自动化检索。CBIR是一项复杂技术,涉及图像理解与处理、模式识别、人工智能、相似检索和数据库等技术领域。CBIR的独特优势决定了它必将在图像检索领域发挥越来越重要的作用,并将具有更广阔的发展空间。本文针对基于内容图像检索中的热点问题,重点研究了基于光照不变与区域自动分割图像检索涉及到的若干关键性技术,主要工作及研究成果包括：(1)在颜色特征提取方面,针对颜色特征易受光照变化影响的缺点,本文提出了一种新的具有光照不变性的颜色特征描述符一一梯度相关图(Gradient Correlogram)。该特征有效克服了现有光照不变的颜色特征描述符存在的特征矢量尺寸较大,且对于场景的尺度、平移及视角等变化鲁棒性差的缺点。(2)在基于区域的图像检索(Region-Based Image Retrieval, RBIR)方面,本文提出了一种基于区域自动分割的RBIR算法。算法首先采用基于K均值的颜色聚类图像分割方法对图像进行分割,然后提取各分割区域的颜色、形状和本文新提出的区域自相关图(Auto Region-Correlogram)特征作为综合特征在区域层面上对图像进行表示,最后采用本文新定义的二次型距离相似性度量(Quadratic Distance Similarity Measure, QDSM)来计算图像之间的相似性。(3)在相似性度量方面,针对基于区域的图像检索(RBIR)中“区域对区域”的相似性度量方法在问询交互接口的简化和反映图像信息的全面性方面的劣势,本文提出了一种新的“图像对图像”的相似性度量方法——二次型距离相似性度量(QDSM)。QDSM能够融合所有分割区域的特征,使得整个图像的信息都可以充分利用,且适用于图像中分割区域数不同的情况。(4)在图像检索中的用户反馈方面,本文将相关反馈(Relevance Feedback, RF)引入到基于区域的图像检索系统中,提出了一种基于ISODATA聚类的加权平均特征融合方法在RBIR中进行相关反馈。