近年来，随着信息存储技术的不断发展，图像已成为一种主要的信息载体。对海量图像数据的检索也就越来越引起人们的广泛关注。通常情况下图像会包含背景等冗余信息，本文提出了把基于视觉感知模型的自动提取感兴趣区域算法与基于内容的图像检索相结合，实现了对一幅图像中的一个或多个感兴趣区域进行提取与检索。首先利用Itti视觉感知模型在原始目标图像上提取感兴趣区域，然后基于颜色与纹理的综合特征提取感兴趣区域的特征向量，最后融合相似距离和感兴趣区域的受关注度完成对图像库的检索。主要研究成果如下：(1)感兴趣区域的提取：从模拟人眼视觉原理的思路出发，Itti视觉感知模型首先用Gabor滤波器对图像的颜色、亮度和方向特征建立高斯金字塔，得到相应的多层次的图像序列；然后利用中央-周边（Center-Surround）算子作用在序列图上得到三个特征的显著映射图；最后综合得到总显著图，从而形成一系列待注意的目标。本文结合图像检索的特点，对视觉注意模型中的尺度选择进行了分析与论述，并结合感兴趣区域的图像检索的特点，对原始的Itti代码进行了改进，以便能把感兴趣区域全面、完整地标注出来。最后给出了感兴趣区域的受关注度计算方法。(2)基于内容的图像检索：在比较了常用的基于内容的图像检索特征提取方法的的基础上，提出了本文的图像特征描述和检索算法。主要包括：通过把感兴趣区域图像转换到HSV空间来统计颜色区间个数，进行颜色直方图的提取；利用Gabor滤波器对图像滤波从而对纹理特征进行描述；用直方图相交距离进行颜色的相似性度量，用图像滤波后的均值与方差表示纹理的相似性距离；最后把颜色度量值与纹理度量值进行高斯归一化处理，从而完成了对图像的特征提取和相似性度量。(3)把改进的基于Itti模型的感兴趣区域提取算法与图像检索相结合，并且把感兴趣区域的受关注度引入到相似性度量中去，以解决对一幅图像中含有多个感兴趣区域的检索问题。为了验证本文所提算法的有效性，设计开发了一个简单的图像检索系统，并且进行了对比实验，表明了本文算法的有效性。