随着多媒体技术的快速发展，数字图像的数量增长十分迅速，如何从庞大的数据库中高效地检索出需要的信息是一个非常有实际意义和价值的课题。基于文本的传统图像检索已经不能满足人们的需要，所以基于内容的图像检索(CBIR)迅速发展起来，现在已成为国内外研究的热点之一。目前，基于内容的图像检索实现了智能化、自动化的管理，主要利用图像中的颜色、形状和空间关系等一些可视化信息作为检索的途径。利用单一特征进行图像检索，准确性有待提高，所以基于多特征结合的检索方法被广泛应用。　　现有基于颜色和形状等特征组合的多特征结合方法不能有效地融合区域和边缘信息，造成检索准确率不理想。为此，本文提出一种结合果蝇优化PCNN和相位一致性的图像检索方法。由于脉冲耦合神经网络(PCNN)具有生物学背景的特性以及空间邻近和亮度相似集群的特点，非常适合图像处理。PCNN具有无需训练、阈值动态可变和脉冲发放等特性，能够很好地模拟生物神经元的脉冲发放、疲劳和不应期等现象，用于图像处理时具有良好的旋转、尺度和信号强度不变性。PCNN模型的参数众多，而且对图像处理结果影响很大，往往需要人工设定。针对PCNN参数设置困难的问题，本文采用全局寻优、优化速度快的新的群体优化算法-果蝇优化算法(FOA)，对于简化PCNN模型的三个关键参数进行设定，并结合最大熵值准则对图像进行分割和特征提取。相位一致性(PC)符合人眼视觉特性，不受亮度和对比度的影响，在图像的特征提取方面具有优势。　　本文利用PC提取出图像的边缘特征，通过边缘特征获取彩色边缘特征颜色直方图作为图像的另一类特征。最后综合运用两类特征进行图像检索。实验结果表明，该方法具有较高的平均查准率和查全率。