随着网络和计算机技术的飞速发展,图像数据呈现几何级数的快速增长,于是出现了大容量的图像数据库。由此也给图像的管理和检索带来了空前的困难。基于内容的图像检索是图像数据库管理和检索中最普遍也是目前最可靠的检索办法。基于内容的图像检索就是利用图像本身的颜色、纹理、形状等特征完成匹配,快速地找到目标图像。但数字设备始终不能像人脑一样智能和灵活,它不能将图像的底层特征和高层语义特征准确匹配,从而阻碍人们综合运用视觉感受和心理感知来查找图像。因此,将人脑天然强大的认知能力引入到图像检索系统中是目前公认的有效地提高图像检索精度的最好办法。本论文将人机交互相关反馈引入基于内容的图像检索系统中,实现了比较有效的图像检索。主要工作和成果如下:1、对基于内容的图像检索技术进行全面的综合介绍。分别介绍了颜色、纹理、形状特征的表述方法和相似度匹配等。其中重点运用了图像的颜色和纹理特征实现图像检索。本文中用分区分块直方图来表述颜色特征,既保留了全局直方图便于提取,鲁棒性强的优点,又应用了分块直方图的空间分布信息,提高了检索精度。2、利用灰度共生矩阵提取图像的纹理特征,实现基于纹理特征的图像检索。并综合运用图像的颜色和纹理特征,实现基于综合特征的图像检索,提高检索精度。3、对图像检索相关反馈技术进行研究。将支持向量机理论应用到图像相关反馈中,实现人机交互,提高检索满意度,并对SVM参数选择进行讨论。实验结果表明,基于综合特征和相关反馈的图像检索系统比基于单一特征的图像检索系统检索精度更高,检索效果体验更好。