传统的基于文本的图像检索技术由于自身限制,已经不能满足用户对图像信息的检索需求。一种新的图像检索技术——基于内容的图像检索技术(Content Based Image Retrieval, CBIR)应运而生,并且已经成为大规模多媒体数据库高效管理和检索的重要手段。因此,本文研究并设计了基于内容的图像检索系统。实际中的图像总会发生尺度、视角及亮度的变化,而基于内容的图像检索技术提取的传统的图像的颜色、纹理、形状以及空间关系等特征往往此时表现欠佳。基于内容的图像检索领域急需一种能够对图像尺度、亮度、旋转、平移甚至仿射不变的特征描述提取算法。本文深入研究了尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法和局部不变二值模式(Local Binary Pattern, LBP)的方法和原理,针对在图像光照变化明显时,SIFT算法表现欠佳的问题,重点研究了旋转不变LBP。提出了SIFT和旋转不变LBP相结合的图像特征提取新算法。算法使用和SIFT相同的关键点检测方法,在得到图像特征的关键点后,统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值构建图像的SIFT-LBP特征描述子。为了进一步提高检索准确率和检索速度,本文采用了基于遗传算法的特征选择方法对得到的图像特征进行选择。并且提出了Bag of features和VP-tree结合的索引结构,利用Bag of features模型将图像的高维特征映射到视觉词汇表,将图像表示成了基于视觉词频数的特征矢量,然后将所有图像特征矢量构建VP-tree索引树。在Windows XP环境下,利用Visual C++6.0和SQL2000数据库技术开发了基于SIFT和旋转不变LBP相结合的图像检索系统。实验表明,本文的SIFT和旋转不变LBP相结合的算法具有良好的尺度、旋转及视角不变性,同时对图像光照的变化具有良好的鲁棒性,并且相对于SIFT算法有较高的检索准确率。本文所设计的系统能很好地满足检索的实时性要求。