基于内容的图像检索(CBIR)是上个世纪90年代以来逐渐兴起的一个新的研究方向。在基于内容的图像检索中,一开始研究主要是通过单一的视觉特征进行检索,比如颜色、纹理和形状等特征,近年来不变量理论和相关反馈技术在基于内容的图像数据检索等获得较为成功的应用,因此本文首先对颜色、纹理、不变量特征分别进行了研究,然后研究了相关反馈技术在图像检索中的应用,最后探讨了融合多种特征进行图像检索的新途径。本文首先在颜色特征上是围绕不同颜色空间(RGB、HSI),三种颜色直方图(传统直方图方法、累加直方图方法和局部累加直方图的方法)以及颜色匹配算法进行讨论。接着针对纹理特征进行了讨论,实验上选用Gabor小波变换法进行纹理特征的提取。而后,本文简述了不变量理论的相关内容,同时选择了一种基于离散傅氏变换和log极坐标变换的不变量描述子作为图像特征描述子,并进行相应的图像检索实验。相关反馈技术是近年来在图像检索中较为重要的研究方法,因此本文进行了讨论。同时本文探讨了基于支持向量机(SVM)的相关反馈方法,很好地解决了传统相关反馈技术中存在样本不足的困难,提高了系统的检索性能。融合多特征信息的图像检索是一个发展方向,但是如何有效地融合,还有传统相关反馈中不同特征间的权值确定是一个难题。本文利用信息融合的思想,构造了两层SVM组合分类器模型,使用基于支持向量机的多特征融合机,有效地解决了图像检索中的多特征信息融合问题。大量的实验证明,本文选择的三种图像特征,即不变量特征、颜色和纹理特征,应用本文设计的融合方法,使得本方案的图像检索效果比较传统的方法有显著的提高。