随着计算机技术、互联网技术的快速发展，数字图像库越来越庞大，传统的基于文本的图像检索方法已经不能满足人们的需求。基于内容的图像检索技术进入人们的视线并迅速成为当前的研究热点。　　 在过去基于内容的图像检索技术中，人们研究的重点是从全局出发描述图像进行检索。实际上，图像中往往有很多的冗余信息，能引起用户关注的只是图像中局部对象。基于这种考虑，本文重点研究了基于显著区域的图像检索方法，主要工作如下：　　 (1)提出了一种基于显著区域的图像检索方法。该方法在提取图像的兴趣点后找到兴趣点局部最大密度区域LMDR(Local Maximum Density Region ofinterest points)。其中，局部兴趣点最大密度区域称为显著区域，其内部的兴趣点称作显著兴趣点。然后综合区域的颜色特征和形状特征进行检索。实验结果表明，本文方法能更准确的提取到对象信息，无论是单一颜色特征比较或是综合颜色形状特征比较，本文方法均体现出一定的优越性。　　 (2)为了进一步的探索用户的搜索意图，本文将SVM相关反馈方法引入到图像检索中。利用本文提出的基于显著区域的算法进行初步检索，同时加入基于SVM的相关反馈进行二次检索，实验结果表明，引入SVM相关反馈后，检索的效率得到了提高。　　 (3)为了验证本文算法的有效性，本文设计实现了一个面向本地数据库的图像检索系统。