随着多媒体技术以及电子图像设备的普及,全球的数字图像信息正以惊人的速度增长。因这些图像信息缺乏有效的管理组织而散落分布在世界各地,难以达到合理资源共享。因此,如何对这些图像信息进行科学有效的管理成为现今迫切需要解决的问题。如何能快速、精确地在众多的图像数据信息库中检索到所需资料,成为了该技术领域研究学者们研究的热门方向,也是对图像检索技术提出的一项重大挑战。近十年来,基于内容的图像检索技术得到了飞跃式的发展,传统基于文本的图像检索方法逐渐退出图像检索技术的历史舞台。基于内容的图像检索技术主要通过利用图像的颜色、纹理、形状等特征来进行,在数据库系统和计算机视觉两大研究领域的共同推动下,图像检索技术运用日益广泛。本文主要围绕基于内容的图像检索的关键技术深入展开研究。首先介绍了CBIR技术的研究背景及意义、国内外的研究现状及发展趋势。再通过对基于底层特征提取,包括颜色特征、纹理特征和形状特征等特征的相关算法介绍,对基于内容的图像检索的关键技术进行了详细的阐述。其次,本文深入研究了SIFT算法原理及改进方法,对其在图像匹配、目标识别和定位等领域的应用进行了认真研究。利用Corel5K图像库对以上两个算法进行了10个类别的图像检索实验,对实验结果进行了统计分析并得出结论。为解决传统的单一特征检索算法的查准率不高或检索速度慢等实际问题,在基于颜色与形状的综合特征检索方法上,提出了自修正权重的综合特征检索算法,并通过对1000张Corel5K图像库的检索实验测试表明,该算法可有效的提高检索的查准率,达到了预期的检索效果。最后对整个检索实验进行了分析总结,指明了需要改进之处以及今后的研究方向。