近年来，伴随着多媒体技术和计算机网络技术的飞速发展，全世界数字图像的容量正以惊人的速度增长，无论是军用还是民用设备，每天都会产生容量相当于数千兆字节的图像。而在这些数字图像中包含了大量有用的信息，然而，由于这些图像是无序地分布在世界各地，图像中包含的信息无法被有效地访问和利用，这就要求有一种能够快速而且准确地查找访问图像的技术，也就是所谓的基于内容的图像检索技术(content based image retrieval)。本文首先介绍了基于内容的图像检索的背景、应用、发展历程、以及国内外现有的典型CBIR技术；然后详细阐述了基于内容的图像检索研究的各个关键环节。在深入研究图像颜色特征提取和相似性匹配算法的基础上，本文提出了一种基于HSI色彩空间累加直方图进行图像检索的方法，该方法使用符合人类视觉特性的HSI颜色空间，并将颜色压缩为72种具有代表性的色彩，又提出了一种具有重叠方式的图像分块方法，然后统计每块区域内的颜色直方图得到该图像的HSI颜色空间直方图，再计算各块的累加直方图，并根据相似度计算每块子图像的累加直方图和图像库中图像对应块的累加直方图的相似度，最后根据各块子图像的重要性进行加权，这样就有效地避免了全局直方图所带来的表示误差。同时，本文还提出了CTAGD(Combination of Texture and Gaussian Density)算法，其核心思想是通过在DCT域中提取一幅图像的高斯密度特征和在象素域中提取纹理特征并结合这两种特征形成新的向量来进行图像检索。其中高斯密度的提取主要是通过将一幅图像表示在极坐标中来获取这幅图像的几何中心，并计算8个极角(0，45，90，135，180，225，270，315)上的象素值的分段累加来作为一幅图像的特征值；而纹理特征的提取我们主要是通过计算图像在像素域中四个方向上的灰度共生矩阵来得到。在图像的相似性计算中，本文又提出了一种基于旋转相关系数并结合距离的图像匹配算法—MCMD法，这种方法首先计算查询图像的特征向量与数据库图像的特征向量的相关系数，得到相关系数排在前48位的图像，再计算查询图像和这48幅图像的距离，最后取距离较小的12幅图像作为检索的结果。在最后的实验中，我们选取了10000幅jpeg图像来作为实验图像库，与现有的一些图像检索方法的对比实验结果显示：本文提出的方法在图像检索的查全率、查准率及速度上都较同类算法有一定的提高。此外本文还介绍了提出的方法的各个模块的作用，实验界面以及对实验数据的分析和一些检索的实例。最后给出了本文的图像检索方法的一些缺点和对今后工作的展望。