随着多媒体技术、网络技术以及数字设备技术的迅速发展，多媒体数据呈现爆炸性增长，如何有效地检索所需要的图像信息是急需解决的问题。基于内容的图像检索研究正是为了解决如何有效地从图像数据库中检索出相关图像的问题，该技术已成为国内外广泛关注的研究热点。本文的研究问题主要围绕图像低层视觉特征(颜色、形状和纹理)提取这一关键技术展开，系统地研究了图像低层视觉特征的提取技术。　　 本文深入分析和研究了基于内容图像检索领域的关键技术，其内容包括颜色空间、图像主要低层特征的描述方法、图像特征间的相似性度量准则以及图像检索算法的性能评价方法等。然后，对本文用到的Mean Shift基础算法进行了详细的分析。此外，提出了一种新的综合颜色及空间特征的图像检索方法，利用改进的Mean Shift聚类算法对图像进行预处理得到若干个重要聚类为主聚类，接着利用图像主聚类的平均颜色值及像素数作为图像的主要特征，定义图像检索的相似度为聚类平均颜色绝对差比与像素绝对差比的加权平均。并且提出了特征加权因子的可调节，使得所设计的系统可根据用户检索所反馈的信息进行调节和控制。最后，提出了一种基于指派模型的图像相似性度量方法。使得两幅图像的主聚类集能够最佳地进行匹配，利用了运筹学中的指派模型来寻求两幅图像主聚类之间的最佳匹配聚类对。在求得最佳聚类对的基础上，给出了综合基于主色及聚类空间大小这两个特征的图像匹配相似度定义。　　 为了验证本文的研究内容，设计并实现了一个基于内容的图像检索的原型系统，与传统的基于内容的图像检索方法相比，本文提出的检索方法具有更好的查全率和查准率。