随着多媒体技术的发展,网络中产生了大量的图像,从而使得图像检索越来越重要。传统的基于文本的图像检索的繁琐性和主观性等缺点,不能满足人们对于图像检索的需求,产生了基于内容的图像检索。本文介绍了基于内容的图像检索关键技术,包括特征提取、图像相似匹配算法及图像检索性能测试标准。CBIR技术提取的那些底层视觉特征属于全局特征,它们通常只能粗略地描述图像间的相似性。David Lowe提出的SIFT算法是一种局部特征描述子,对平移、旋转、尺度缩放、亮度变化、视角变化、仿射变换、遮挡和噪声等具有良好的不变性,适合于处于同一场景下,不同视角不同光照条件下的近似图像检索。本文在介绍SIFT算法的基础上,提出由于SIFT特征描述子的维数较大,当图像数据库较大时,给图像匹配带来难度。为了解决这个问题本文研究了当今比较流行的基于视觉单词的SIFT匹配算法,并利用文本中的TF-IDF思想和倒排表原理提高检索的精度和效率。本文所用的近似图像都为彩色图像,而SIFT特征只利用了图像的灰度信息,据此本文提出了HSV颜色空间与基于TF-IDF词袋模型的SIFT特征相结合的图像检索方法,并且通过实验验证了方法的有效性。