计算机技术、多媒体技术以及Internet技术的长足发展导致了大量图像的出现,如何有效地、快速地从大规模图像数据库中检索出所需的图像是目前一个相当重要又富有挑战性的研究课题。基于内容的图像检索技术研究正是为了解决如何有效地从图像数据库中检索出相关图像的问题,近年来,此项技术的研究非常活跃,在许多领域都有应用。对服装图像而言,国内外成型的检索系统少有描述。我国是服装生产大国,又拥有巨大的服装消费市场,拥有一套切合需要的服装图像检索系统显得甚为必要。本文主要围绕基于内容的图像检索中图像特征提取这一关键技术展开,详细地研究了图像低层特征的提取技术,主要包括图像的形状特征、纹理特征和颜色特征。本文的主要内容如下：(1)分析和研究了图像的底层特征(形状、纹理和颜色)的描述方法,图像特征间的相似性度量准则以及图像检索算法的性能评价方法等。(2)提出了一种基于最小惯性轴的图像检索方法。此方法能够利用形状轮廓和区域信息的特点提取特征点,然后根据其多值数据类型通过加权欧几里德距离计算图像间的相似度。此方法对于形状的相似变换(平移、旋转和放缩)具有不变性,并更加准确地对形状匹配。(3)提出了一种基于纹理主方向的商标图像检索方法。通过傅里叶变换使图像转换成频谱图,最后得到纹理主方向的直方图,并对其进行检索匹配。分析和研究在服装图像中基于灰度共生矩阵的检索。首先提取图像的边缘,然后采用灰度共生矩阵的四个参数组合作为特征来进行图像相似性检索。通过试验可以看出,以上方法用基于内容的图像检索有很好的效果。