近年来随着网络技术的飞速发展以及移动数码设备的普及,网络多媒体内容呈现爆炸式的增长已经成为一种趋势。各式各样的多媒体内容无论在存储、传输以及分析的过程中,无不给现在的检索技术提出了挑战。人们在面多纷繁复杂,眼花缭乱的多媒体信息选择时,缺少有效的检索工具将会是一件十分头疼的事。基于文本关键字的传统检索模型已经逐渐跟不上人们对多媒体检索的需求,正是在种情况下,人们提出了基于内容的多媒体检索模型的研究,对人类在信息检索领域的发展有十分重要的意义。基于内容的多媒体检索(MULTIMEDIA RETRIEVAL BASED ON CONTENT)就是根据多媒体内容的本身语义进行检索,这与基于文本的检索有着本质的区别。本文首先对多媒体数据和各种检索模型作了一个简单的回顾,总结了图像检索模型、视频检索模型、音频检索模型等的发展概况。同时也详细介绍了基于内容的多媒体图像检索模型,并针对该种检索模型的关键技术展开了论述。如,图像特征提取、图像索引技术、相关反馈算法等。接着,从图像提取特征方面出发,讨论了基于SIFT图像不变特征提取算法,对SIFT特征向量的生成和匹配过程进行了深入讨论和分析,总结其在图像特征提取方面的优势与不足。最后针对SIFT提取过程中的不足,如尺度空间构造耗时、计算机复杂度较高等方面提出了一些改进。本文主要通过尺度空间构造过程的优化和特征向量的降维对SIFT算法进行了改进,并利用改进型SIFT算法进行图像检索模型的实验,并取得了较好的结果。本文的主要贡献在于：1)分析了各种主流图像特征提取方法的优劣,并针对SIFT的不足,并提出了部分改进方法；2)提出了一种基于改进型SIFT的图像检索模型,该算法采用高斯核尺寸自适应的方法来构建金字塔影像,降低其计算复杂度,然后按照传统步骤进行提取特征,以欧式距离来度量相似性,最后运用BBF搜索算法来进行图像检索。本文的初步实验结果表明,该图像检索模型能够检测出经过平移、尺度、仿射、光照等变化下的目标图像,以及对具有特定特征的图像检索,无论在时间还是效率上都具有相当的优越性。