近年来,基于内容的图像检索系统(CBIR)是一个热门的研究话题。传统的图像检索系统通常根据图像的底层特征(颜色、纹理和形状等)建立索引进行检索,但这种基于全局的方法在图像的内容的表达上具有一定的局限性,它忽略了图像中不同的区域吸引人眼注意的程度不相同这一事实。后来提出的基于区域的检索方式中,大多数方法依赖于图像分割实现区域的划分,而目前精准图像分割技术仍是难以解决的问题之一,因此导致检索结果不甚理想。相关研究表明,人眼在观察物体时,总是会把注意力集中到图像中感兴趣的部分,因此针对感兴趣区域进行检索是一种较为有效表达用户意图的检索方式。本文在分析了总结了基于内容的图像检索的发展状况及趋势的基础上,根据近年来人眼心理学中的注意力选择机制,融合Itti-Koch和Stentiford注意力模型,提出一种新的基于图像显著区域(用户感兴趣区域)的检索方法。首先,改善了现有注意力机制模型,使提取的显著区域更加符合人眼观察结果；其次,对获得的感兴趣区域,利用局部结合整体的方式,既考虑区域中所具有的稳定特征,同时充分利用区域的空间布局关系反映图像的整体构成,并结合二者进行检索,克服了传统检索中不能解决的图像旋转、平移、亮度变化等缺点,也充分体现了人眼对事物的认知过程。文中提出的方法可以自动提取图像的感兴趣区域,从而摒弃了采用手工标识的方式选择显著区域,使区域的匹配目标更为明确；另外,以显著区域为线索进行检索,有利于去除背景信息的干扰,使检索直接贴近用户意图。实验表明该方法与传统的基于全局特征进行检索的方式相比,具有更好的检索性能。