随着互联网与计算机多媒体技术的迅速发展，图像检索被广泛的应用到通讯技术、宇宙探索、工业生产以及医学等各个领域。伴随着“大数据”时代的到来，图像大数据也产生了。如何在海量的图像数据中，更加快速有效找到符合人们需求的图像，促进了图像检索技术的发展。为了更好的获取图像信息，基于内容的图像检索技术成为了一个热门研究课题，它是利用图像的颜色、形状、纹理等底层视觉特征来进行图像检索。在本文中，我们使用了两种方法提取图像特征来进行检索，一是常用的颜色直方图；二是一种新颖的基元结构直方图，它同时结合了图像的颜色和边缘方向两种特征来描述图像的信息。考虑到HSV颜色空间更符合人眼的视觉认知机制，在特征提取时，我们将两种特征提取方法中所使用的RGB颜色空间转换到HSV颜色空间。另一方面，为了减少图像检索中底层特征与高层语义之间的“语义鸿沟”，本文加入了特征重新加权相关反馈机制。在相关反馈阶段，从同时考虑非相关样本和相关样本出发，为了达到从不相关的图像中分离出相关的图像的最好效果，我们引入了一种新的权重来对特征权重进行调整，以达到更好的检索效果。最后，本文在两个常用于图像检索的数据集上进行实验。实验结果表明，两种不同的特征在特征重新加权的相关反馈方法中，都取得了非常好的检索效果。在检索的精准率和召回率这两个性能指标上新引入的权重也都明显高于另外两种权重，证明了本文引入权重的有效性。