近几年来随着互联网和多媒体信息的飞速发展，现代社会中数据信息爆炸式的增长，如何有效并且快速的进行数据的获取是当今重要的研究课题。图像数据在媒体信息中占据着重要位置，并且在数字图书馆、医学、地理等领域中应用十分广泛，如何从众多的图像数据中快速而且有效的获取信息成为目前科学研究的热点。关于基于内容的图像检索技术的研究正是为了这一方向而产生的，主要目的是为能够有效的在数据库中获取所需要的图像提供可靠的算法。本文从图像检索中图像的特征提取入手展开研究，系统的研究了图像特征提取的基础技术，主要包括了图像的颜色、纹理及形状特征提取算法，并在原有的算法上进行改进，以增强算法的可用性。在颜色特征的提取中运用了与人视觉具有一致性的HSV的改进模型，提出了一种图像颜色集的区域划分算法，降低了颜色特征提取的维度；在纹理特征的提取中，利用LBP算子的改进算法，在中心像素的二值描述中使用了改进的圆形邻域的扩展形式，以提高图像纹理描述的效果；在形状特征的提取中，考虑了灰度图像中边缘轮廓不明显的问题，对图像的对比度进行增强后，提取图像边缘，并且用8-方向的链码描述图像形状特征。通过实验，对比了不同的特征提取技术对图像检索结果的影响，讨论了对图像不同特征的权重值分配问题。实验结果证明，改进的特征提取算法是有效的，多特征融合检索算法要优于单一特征值检索算法。本文最后研究了图像检索中的反馈图像检索，利用SVM和图像的不同特征，对不同的样本进行了图像检索的研究，通过实验表明，基于反馈特征的图像检索取得了有效的检索结果，在图像检索中具有一定的实用价值。