随着多媒体、网络技术的迅速发展，图像信息的应用日益广泛，对规模越来越大的图像数据库进行有效的管理成为迫切需要解决的问题。基于内容的图像检索正是解决从大量图像中获取出所需信息的关键技术。 提取图像的低层视觉特征是进行图像检索工作的基础，而纹理特征是一种重要的低层特征。本文除了使用已有的一些纹理特征外，还提出了如下新的纹理特征：基于小波变换、图像金字塔的多尺度复杂性及多尺度分维数特征，二维Hilbert谱特征。并且针对二维EMD分解中所遇到的边界问题，提出了基于K均值聚类的边界对称算法。同时本文还使用了已有的一些颜色特征，实验表明上述特征和方法可以用于图像检索。 在基于内容的图像检索中，建立图像特征库时的存储高维特征的空间复杂度和度量图像之间相似性的运算复杂度都将非常的高，本文使用了非线性降维分析来降低空间和运算复杂度，实验表明取得了较好得结果。同时本文将机器学习和相关反馈结合起来用于图像检索，在实验中使用了K-NN、BP神经网络和支持向量机分类器。实验证实使用机器学习和相关反馈后，图像检索效率得到了较大的提高。 本文设计与开发了一个通用图像检索实验平台。借助该平台研究者不需要编写代码便可以方便地开展各种图像检索研究工作，而且便于他们之间进行学术交流。本文的这项工作具有较大的应用价值。