随着遥感技术的快速发展,遥感影像的数量正在以惊人的速度急剧增长。然而,遥感的应用研究相对滞后,导致大量数据积压,有用信息无法及时、准确地提取出来,造成巨大的资源浪费。因此,如何从海量影像数据中高效、高精度地检索到感兴趣的目标是一个国际性难题,也成为遥感图像信息提取和共享的瓶颈。其中,基于内容的遥感图像检索方法是解决这一问题的核心所在,也是近年来海量遥感图像检索所面临的难点。自20世纪90年代起,国内外研究人员对基于内容的图像检索技术进行了大量的研究,取得了丰硕的成果,但是专门针对遥感图像检索的研究却不尽人意,无论是理论体系还是应用系统,都还不成熟。原因在于遥感图像数据量大、覆盖范围广、主题不明确、多时相和语义丰富等,故无法将针对自然图像和医学图像的研究成果直接应用于遥感图像内容检索中。针对一个完善的基于内容的遥感图像检索系统,其数据组织、存储与管理、特征描述及提取、相似性度量、相关反馈、网络服务模式、系统架构设计及实现等研究工作面临着许多困难与不足,由此,研究所涉及的各项关键技术势在必行。综上所述,本文在综合国内外大量的理论研究和开发的检索系统的而基础上,系统分析了图像检索中所涉及到的关键技术及研究现状,并在综合考虑了图像检索中存在的问题和用户需求的基础上,结合贝叶斯网络及机器学习的相关方法,提出了一套适用于遥感图像检索的检索方法并以“城市区域”这一语义作为重点研究对象,进行了深入的研究,提出了城市区域检索算法。并在综合考虑检索的准确率和时间效率的基础上,提出了一种将基于语义的图像检索技术和基于内容的图像检索技术相结合的分步式遥感图像检索算法。借助Matlab语言编写模型系统,进行实验。论文主要研究成果有:提出了基于共生区域的贝叶斯网络遥感图像检索算法,通过贝叶斯网络,建立了图像和语义之间对应关系,实现了基于语义的遥感图像检索;提出了一种适用于遥感图像城市区域的检索算法,将基于共生区域的贝叶斯网络遥感图像检索算法与平均高频信息强度相结合,有效的提高了“城市区域”这一语义的检索的查准率;提出了一种新的分步式遥感图像检索算法,显著的降低了图像检索所需用的时间,同时由于考虑了图像的语义信息,提高了图像检索的查准率。