随着互联网和信息技术的高速发展，数字多媒体信息呈现指数级增长，图像检索已经渗入到信息社会的多个应用之中。如何快速有效地提取图像的视觉特征，并用来表征一幅图像的内容，并通过特征的相似性匹配和相关反馈技术，方便系统自动地检索到所需的图像，即基于内容的图像检索(CBIR，ContentBasedImageRetrieval)，已成为了近年来学者与相关学科的重点。 特征提取是CBIR的关键技术之一。完全基于语义内容的特征表达，要求图像的理解技术具有主观抽象的特点，就当前计算机和图像理解的发展水平，还未能完全实现。而图像的颜色、纹理、形状、空间关系等特征是图像中的底层信息，不需要有关领域的特殊知识或上下文的信息，是目前广为采用的检索特征。这类特征的检索相对简单易行，但将其某一特征置于整幅图像中进行讨论的方法，忽略了图像不同局部性质的差异，从而造成了对象识别效果不够理想。 与传统的CBIR相区别，基于感兴趣区域(ROI，regionofinterest)的图像检索，首先选取图像中最能引起用户兴趣、最能表现图像内容的区域特征，然后根据特征进行检索。这种基于ROI的图像检索方法区分了区域的重要程度，突出了图像的主要内容，是一种更具挑战性，但更符合人类视觉感知的图像检索方法。 本文对基于ROI的图像检索方法关键技术：图像分割以及提取区域检索算法进行研究，并构建了一个实用的基于ROI的图像检索系统。 本文的主要贡献和完成的工作包括： 1)根据基于颜色特征的图像分割要求，对传统RGB空间向HSV空间的转化方法进行了修正，保证了在色彩空间不稳定区域的一致性。 2)提出了一种基于颜色特征的小波域图像ROI自动分割算法。通过一种小波域子块方差计算和聚类增长算法，较有效地将图像的前景区域和背景分离。 3)提出了一种基于加权颜色相关图的特征检索算法。简化了检索算法的运算量，提高了效率和鲁棒性。 4)构建了一个具有系统功能性完备、操作灵活的基于Web的ROI彩色图像检索系统。