基于内容的图像检索(CBIR)技术是当前研究的热点问题。它主要是利用图像的视觉特征，如图像的颜色、纹理、形状等特征来进行检索。它突破了传统的基于文本检索技术的局限，直接对图像内容进行分析并抽取特征，然后利用这些内容特征建立索引并进行检索。由于计算机对于图像的理解能力非常有限，无法对图像的语义信息进行准确的理解，因此本文重点研究了图像检索中相关回馈和特征融合基本理论及算法。本文首先研究图像颜色的低级物理特征，通过对HSV色彩空间的分析，发现H颜色信道量化区域分界处附近颜色存在渐变性和混杂性，提出了基于H颜色信道的模糊量化算法。在H颜色信道加入符合人类视觉模型的模糊信息，很好地解决了量化过程中色彩边界处理问题。大量的对比试验说明本文提出的模糊量化算法是有效的。多个特征组合查询被认为是能提高检索效率有效方法。从某个角度看，图像检索过程可看作为一种排序问题，本文的第二部分工作就是针对这个问题展开，提出了新的加入多个分类器相关信息的Borda计数方法的特征融合。该方法考虑到各个图像检索中分类器之间强烈的相关性，对各个分类器检索出来的图像按照一定的策略进行奖惩，重新对图像进行排序。该算法能够保持分类能力强的分类器结果，同时能够抑制分类能力弱的分类器结果，实现了特征的有效融合。对比试验表明该算法有效。相关回馈技术是图像检索过程中的一种交互式技术。支持向量机已经成为近年来统计学习理论支持下发展起来的机器学习方法。在图像检索中，传统支持向量机作为回馈学习仅仅是把相关回馈看作模式分类问题。然而在海量图像数据中，映像到特征空间中的图像是线性不可分的，在图像检索中仅靠简单的模式分类来学习回馈，得不到理想的学习效果。本文在最后一部分工作中提出了二次约束距离算法。在基于支持向量机得到两类分类后，对分类结果按照距离相关图像的聚类中心进行再次排序，将结果回馈给用户。大量的对比试验证明该算法相对于原有的算法具有理想的学习效果。