基于文本的网络图像检索引擎，在进行图像检索时，存在产生大量内容不相关的垃圾图像的问题，给用户带来极大的不便。鉴于此，如何快速高效地过滤掉垃圾图像，提高检索引擎的效率，已成为图像检索领域的重要研究内容。　　本文借鉴图像检索领域内最新的研究成果，采用基于视觉内容的图像分析技术，对垃圾图像的过滤进行研究。论文主要做了以下几个方面的工作：第一，详细介绍了图像过滤中的各种关键技术，提出一种基于综合特征的图像过滤方法，综合特征包括改进的颜色直方图特征和多尺度的Gabor小波纹理特征；第二，研究了图像聚类和相关反馈技术，对传统的K均值聚类算法进行了改进，提出一种基于自适应反馈调节的方法应用于图像过滤；第三，使用VisualC++6.0开发工具，设计并实现了一个基于视觉内容的垃圾图像过滤软件系统，为图像过滤算法的性能评估提供了同一测试平台。　　经实验测试表明，本文提取的综合特征能够较好地表达图像的视觉内容，在图像检索和过滤方面能够取得良好的效果。图像聚类和自适应反馈调节可以向用户提供个性化的检索方式，并能有效地提高系统对垃圾图像的过滤性能。