基于内容的图像检索技术（Content‐based image retrieval），即CBIR是当前一个热门的研究课题。它的提出能够更高效地解决在海量图像库中找到所需内容的问题。在基于内容的图像检索中，图像的底层特征成为研究的对象，通过对这些内容的操作来进行图像检索。而兴趣点是图像中含有丰富内容的点，目前大部分的检索是针对整幅图像或基于兴趣点的特征进行提取。但是这些方法容易产生冗余信息，造成计算复杂化，又或是丢失图像的部分特征，造成检索的误差。本文通过对CBIR与兴趣点相关知识的学习，提出了一种兴趣点距离分布直方图和多特征融合的图像检索方法，并验证了其有效性。本文的主要研究成果和创新之处如下：（1）对目前现有的兴趣点提取算法进行了分析与研究，概述了每种算法的工作原理，以及优缺点，最后对现有的Harris算法进行了改进，然后把改进后的Harris算法作为本文的检测算法。并对兴趣点进行一定规则的筛选，然后定位感兴趣区域。（2）针对现有的基于兴趣点的多特征检索技术全局特征不足的缺点，本文将兴趣点的距离分布直方图作为图像的全局特征引入进来，提出了一种兴趣点距离分布直方图和多特征融合的图像检索方法，使得对图像信息的描述更加全面准确。（3）针对颜色直方图空间位置信息不足的缺点，采用扇形区域划分的方法，将兴趣点与扇形区域划分结合，增强颜色直方图的空间位置信息。（4）以兴趣点为基础，综合考虑了兴趣点距离分布直方图以及图像的颜色和纹理等图像特征，采用兴趣点距离分布直方图与多特征融合的方法进行图像检索。本文的实验结果表明，将兴趣点距离分布直方图与颜色、纹理多特征融合的算法是有效的。