随着互联网、通信技术和存储技术的迅速发展，大量的图片信息不断涌现。如何高效、准确的从大量的图像中检索出人们所需要的图像是图像分析和应用领域的一个重要问题。基于内容的图像检索(Content BasedImage Retrieval CBIR)技术在进行海量数据检索时是一种非常有效的方法，而纹理特征则是描述图像的关键要素之一。小波变换具有良好的时频分析能力，已广泛应用于图像检索。但传统小波变换方向选择性上只能使用有限的方向去捕获边缘特征，不能有效的表达图像的边缘几何特征。为了灵活的捕捉纹理图像丰富的方向信息，具有方向选择性和各向异性的多尺度几何方法发展起来。非下采样剪切波（Nonsubsampled Shearlet Transform NSST）不仅具有各向异性及方向选择性，而且具有平移不变性。与传统小波相比，具有更多的方向选择，可有效捕捉图像的边缘信息。与轮廓波相比，能对图像进行稀疏表示且产生最佳逼近，具有更高的计算效率。Ojansivu提出的旋转不变的局部相位量化（Rotation Invariant Local Phase Quantization RI-LPQ）纹理描述算子，RI-LPQ具有较强的纹理描述效果，已成功用于人脸识别和图像分类。本文将其用于纹理图像检索。本文研究了非下采样剪切波（NSST）的有关性质及其在图像检索中应用。首先分析了图像NSST系数的统计特征，利用广义高斯函数对各个方向子带进广义高斯建模。然后利用局部相位量化描述算子提取图像特征，并对上述图像的两种特征进行融合，图像之间的相似性使用具有权重系数的测度公式进行纹理图检索。最后将此方法应用Brodatz图像库，对600幅纹理图像进行图像检索。实验表明：此方法与传统小波的平均检索相比，获得较好的检索率。