随着多媒体技术、网络技术的迅速发展，图像已经越来越广泛地应用于各个领域。而基于文本的传统检索方法已经不能适应图像信息检索的要求，这使得基于内容的图像检索技术逐渐成为目前的研究热点。　　 针对这一研究领域，本文首先回顾图像检索的发展历史并探讨其发展趋势。对目前国外典型的图像检索系统以及国内在图像检索领域的研究作简要概括。然后，介绍了基于内容的图像检索系统基本框架和各模块的功能，以及图像特征的表达和提取、相似度的度量、相关反馈技术等图像检索的关键技术。　　 其次，本文选择更适合肉眼分辨的HSV模型作为特征提取的颜色空间，对HSV空间进行了非等间隔的划分以达到降低维数和减少信息损失的目的。　　 接着，针对颜色直方图方法只考虑了颜色在图像整体上的分布，并没有考虑颜色在图像局部上的空间分布等缺点，本文以五种图像分布形式对图像进行分割，并对分割得到的每个子图提取两种主要颜色的特征提取方法，以提高图像检索的精度。　　 在相关反馈过程中，调整权重，并通过目录引入语义进一步改进算法。　　 为解决增加反馈图像和用户视觉疲劳的矛盾，利用模糊C 均值聚类算法对初步检索图像集进行优化。本研究设计并实现一个图像检索原型系统，对本文算法进行测试和分析，结果表明算法具有良好的检索效果。　　 最后，本文对基于内容图像检索系统的发展趋势和研究热点进行了展望。