基于内容的图像检索(Content-Based Image Retrieval，简称CBIR)是当前的一个研究热点。该技术提取图像的颜色、纹理、形状等特征，然后将待查询图像的特征与图像库中图像的特征进行匹配，并将和待查询图像特征相同或相似的图像返回给用户。 本文分析了基于内容的图像检索的系统结构、特征提取方法和相似度匹配方法，在此基础上提出了两种图像检索方法，并给出了实验结果和分析。 结合色度矩和小波系数统计特性的方法来进行图像检索。首先，色度矩的方法只需要提取一幅图像中很小的光谱特征，只用一个固定的很少数量的特征需要存储来表示一幅彩色图像。其次，由于小波系数提供了重要的方向信息，图像的小波系数的统计分布具有广义高斯分布特性。这里利用小波变换系数的统计特性，描述图像子带小波系数统计的特征矢量。试验结果表明色度矩和小波系数统计特性相结合是一种有效的图像检索方法。 应用灰度模式统计算子(Local Binary Pattern简称LBP)纹理特征作为图像描述，为了增加直方图空间信息把图像分割成相同大小的k×k区域得到空间增强直方图(histogram spatially enhanced LBP简称SEL)，这里比较了对图像3×3分块的空间增强方法和动态局部匹配的方法。试验结果证明，图像分块的SLE方法优于全局匹配的LBP方法，在相似度匹配时，将加权动态局部距离函数应用到动态区域匹配中，总体上进一步提高了检索精度。