基于内容的的图像检索技术CBIR(Content-Based Image Retrieval)是图像处理技术和传统的多媒体信息检索方法结合的结果，是近年来检索领域内的研究热点，大致可以分成基于形状、颜色、纹理等图像特征的检索。 小波分析是目前国际上最新的也是应用最广泛的时间-频率分析工具。经小波变换后产生的小波系数可以很好的体现图像信息的局部特征。本文重点研究了小波分析在计算机图像处理的多个领域中的应用，如图像恢复、图像增强、图像分割、图像配准、图像重建、图像检索等。此外，本文重点论述了小波分析在基于形状(基于内容的一种)的图像检索方面的应用。 形状是图像的本质特征之一，利用形状特征进行检索可提高检索的准确性和效率。在基于形状的图像检索中，采用小波变换模极大值的方法来提取图像的多尺度目标边缘信息，然后采用多尺度的不变矩作为特征来图像相似性检索，可以有效的解决因图像的平移、尺度、旋转变换等带来的问题。但是经过小波模极大值变换后得到的模图像信息虽然得到了压缩，但仍存在冗余，即低分辨率上使用过的信息在高分辨率下重复使用。针对这个问题，本文提出了一种改进的利用小波实现基于形状的图像检索的算法。改进之处主要在于，在求取不同分辨率下的模极大值时，设定一个阈值，只留下当前尺度(分辨率)下模极大值大于阈值的那些模值，而且随着分辨率的增加，阈值不断的改变，这样就可以在求得的高分辨率的模值图像中过滤掉低分辨率下的已经使用过的信息，从而使模值能够充分描述图像的重要特征，然后利用多尺度下的模值求出七个不变矩，并进行归一化，采用图像特征向量归一化的结果计算欧氏距离来表示两幅图像的相似度。本文最后将新算法在医学CT图像数据库中进行了试验，结果也证明了该算法的优越性。