传统基于内容的图像检索算法,首先提取图像的颜色、纹理、形状等特征值,构成特征向量。通过在图像数据库中检索k-近邻特征向量,得到图像的检索结果。基于特征融合的图像检索算法由于检索效果比单一特征效果精度高,算法稳定,越来越受到研究者的重视,如何在不影响检索速度的情况下,提升检索的精度是一个研究的热点。在深入研究图像检索算法的基础上,本文对图像特征提取中的关键技术进行了系统研究,提出了一种基于改进的特征融合图像检索算法。针对单一特征提取的图像检索方法在跨图像数据集时适应性不足,提出了一种FCTH-Bo VW特征融合图像检索算法。采用互惠k-近邻图融合FCTH全局特征和Bo VW局部特征。传统的多特征融合主要通过线性加权的方式,检索效果容易受到权重的影响,且不同的图像数据库需要选取不同的参数,适用性不足。基于互惠k-近邻的多特征融合方法,通过搜索最大密度子图作为检索结果,避免了选取最优权值。针对FCTH特征,提出了一种环形加权的改进算法,针对Bo VW特征,提出了一种视觉单词软分配方法来量化局部特征描述符,并将该量化方式进一步结合局部聚合图像描述向量(VLAD),降低局部特征量化的时间复杂度。通过这些改进增强了全局特征和局部特征的描述能力,提升了图像的检索速度。实验结果表明,所提出的检索算法提升了检索准确率,并能有效适应多种图像数据集。