在地铁,高铁、轻轨等检测系统,为了达到无障碍智能驾驶、全自动检测及预案智能应对等。如何高效地提前检测故障,利用计算机专家分析系统进行评估,及时地排除故障,做到无故障智能驾驶,特别需要基于内容的图像检索,这是因为系统可以利用已有的历史故障图像与故障原因及性质和检修方案的对应关系,用新发现的疑似故障图像去检索,然后由系统自动启动相应预案。由于图像的高级语义与低级视觉特征之间有表征代沟,需要融合各种特征优势来解决底层特征和高层语义之间的分水岭,本文简述CBIR(content based image retrieval)的研究基石,如索引的制作、相似度计测、各种反馈方式、图像分类管理,特征提取等。而图像特征的提取和处理是CBIR最核心技术,在形状特征提取层面中,介绍基于区块和轮廓的形状特征的提取,在颜色特征提取层面中,介绍全局和局部颜色特征的提取。利用已经提取的特征,为了提高查全率(completeness)、查准率(precision),制作索引是关键,由B树发展成了R树索引,它和Quad-tree索引技术来达到在高维数据中快速检索,并且树索引有利于数据实时增减,是一种动态结构。在基于颜色特征的检索方法技术进行了详细地讨论,介绍彩色图像的颜色空间及转化,量化空间的选择及对检索、存储的影响,量化方法的选取,和量化空间的注意事项。阐述颜色直方图的优缺点,由直方图拟合方法过渡,进一步提出基于主色二维分布直方图的加权容错法,综合考虑了选择和容错系统的随机性。为了表征色彩的几何布局,引入子块主色直方图,用分割法进行分块,对图像布局特征进行了分析及对子块间距离进行计算来提高匹配效果,更进一步提出了基于子块的二维分布直方图的加权容错法。由以上方法的分析研究基础上提出了对象区域的多特征融合检索技术,该算法提高了图像的completeness、precision和运算速度。在实习单位的系统中应用并实现了上述算法,又在本文中介绍了系统框架、设计原理、和功能模块等,并进行了实验数据分析及分析需要进一步解决的地方。