随着数字图像信息资源的快速增长,如何从海量的图像数据库中快速准确地找到用户需要的图像信息已成为一个有待解决的问题。传统的基于文本的图像检索技术已不能满足用户的需求,基于内容的图像检索在近十几年来得到了快速的发展,主要利用图像的底层特征(如颜色、纹理和形状等)来进行相似性度量。视觉注意机制是人眼视觉机制的重要特性,一些研究者采用数学建模的方法在计算机上自动模拟这种视觉机能,建立了视觉注意模型。视觉注意的研究涉及到生物学、心理学、计算机视觉、图像处理等领域,可应用于目标检测、图像检索、视频图像压缩等方面。本文介绍了基于内容的图像检索(CBIR)中的关键技术及发展趋势,并在此基础上研究了花卉图像的检索问题,主要工作如下：(1)对一般的基于颜色的图像检索方法进行了研究,介绍了常用的颜色空间量化方法、颜色直方图和颜色矩两种颜色特征、图像信息熵和图像分块思想,并在此基础上做了一些改进,提出一种融合颜色信息熵和分块颜色矩的图像检索方法,并将其应用在花卉图像检索上,取得了较好的实验结果。(2)对国内外经典的视觉注意模型进行了比较研究,并针对花卉图像的特点,提出一种改进的视觉注意模型,该模型在CIE L*a*b*颜色空间处理图像,用二进小波变换替换谱残差模型中的傅里叶变换,用对数模的均值来近似估计图像的冗余信息,并增加了纹理粗糙度特征,最终获得较为满意的显著图。(3)对花卉图像的显著图进行研究,并在显著图的基础上提取图像的底层特征。为了突出花卉区域且不丢失图像背景信息,采用基于显著图提取加权颜色直方图和加权LBP直方图的方法；为了获得花卉自身的特征,利用显著图获得花卉图像的显著边缘,然后采用提取边缘的梯度模值直方图和梯度方向直方图的方法。实验表明,这些特征都有益于花卉图像检索。(4)将SVM分类器应用到花卉检索中,采用网格搜索法和五重交叉验证获得最优的SVM核函数参数；建立花卉图像检索系统,并对不同视觉注意模型和各类图像底层视觉特征的性能进行了测试和分析。实验表明,本文的基于SVM的花卉图像检索算法比较理想,且具有一定的通用性和可移植性。