随着多媒体技术的发展和数字化应用的不断推广,基于内容的图像检索系统日益成为多媒体检索领域的研究热点。它具有良好的市场前景和研究潜力,通过对这些关键技术的研究,可以有效的提高图像检索的效率。本文首先介绍了基于内容的图像检索研究的背景和意义,阐述了国内外发展现状进行分析,论述并分析了基于内容的图像检索相关关键技术,包括图像特征描述和图像局部特征。在图像特征描述中,阐述了图像的颜色、纹理和形状等低层特征。在图像局部特征中,阐述了SIFT算法,该算法以其出色的描述能力和鲁棒性,得到了大量应用。针对图像低层特征和高层语义之间的语义鸿沟问题,本文采用了“视觉词”的概念,通过对提取的SIFT特征进行聚类,得到图像视觉词,进而生成视觉词典。在聚类过程中,本文采用了聚类效果更好的FCM聚类算法,而不是常用的K均值聚类算法,不过由于计算复杂度更高,因此牺牲了一定的计算速度。同时,考虑到在聚类过程中丢失了图像空间信息,本文采用图像金字塔的方式加入空间信息,最后得到了图像特征向量：空间视觉词分布密度直方图。在进行图像的相似性度量时,本文采用了直方图相交法。最后,本文将所采用的“SIFT+FCM+金字塔”方法在图像库中进行了测试,证明了本算法的有效性,并对仿真结果进行了分析,指明了下一步需要改进之处以及今后的研究方向。