随着计算机网络和多媒体技术的发展，图像的应用日益广泛，基于内容的图像检索技术(Content-Based Image Retrieval，CBIR)应运而生，并成为图像领域研究的热点。而目前的CBIR技术还有很大局限性，不能充分满足用户的需求。因此，对图像底层特征提取与检索技术的研究具有非常重要的意义。　　 本文重点研究了图像颜色特征的提取，小波变换提取图像纹理特征，融合人工智能的检索策略等问题。论文的主要工作包括基于颜色特征和纹理特征的图像检索方法研究，并在已有理论的基础上，针对具体的图像数据库，设计了一个基于颜色和纹理的图像检索实验系统，并使用Corel和Brodatz图像库对以上检索方法的有效性进行分析和比较。本文主要的研究内容如下：　　 (1)本文提出一种新的基于分块主颜色的图像相似性检索算法。在对图像进行新的重叠分块的基础上，提取各分块的主颜色，用一种新的权值计算法赋予各分块不同的权值，并在相似性度量中引入简化的二次式距离法。实验表明，这种方法在利用了图像颜色信息的同时，又添加了图像在颜色空间中的分布情况，并给出相应的图像内容相似度计算方法，不仅降低了特征空间的维度，而且能提高检索的准确率，使检索结果更符合用户的需求。　　 (2)本文提出了一种基于纹理特征向量的图像相似性检索算法。该算法首先对图像做3级双树复小波变换和旋转复小波变换，然后从分解后的每个子带系数中提取出能量和标准方差，两者组合作为纹理特征向量，最后用SVM对特征向量训练并分类，构建SVM分类器，检索时通过分类器返回最相似的图片。实验证明，该方法比Gabor算法和传统的小波算法有了较大的提高，是一种有效的基于纹理的图像检索算法。