当前计算机与互联网中各种新技术的发展日新月异,这些技术极大的方便了我们的生活同时,也带来了许多新的问题。数码相机产生了海量的数码图像,而手机照相技术更使得数字图像数量激增。如何存储与管理这些数字图像,如何在需要时能够准确而快速找到符合我们要求的图像,这些问题逐渐引起人们的重视。早在20世纪的90年代便产生了一些解决这些问题的方法,基于内容的图像检索技术(Content Based Image Retrieval,CBIR)就是这些方法中被广泛关注的一种,随着这项技术的成熟与发展,使得此技术成了解决图像检索问题的热点。在早期的图像检索中,没有很好的利用图像的内容特征,而图像在视觉角度和图像语义之间的存在着主观性,这就是所谓的语义鸿沟问题,这是图像检索研究与应用过程中需要解决的问题。运用的相关反馈技术,可以在用户与系统的交互中分析用户需求,逐渐使不符合条件的检索结果被淘汰,最终留下符合条件的图片从而得到相对满意的结果,是一种缩小语义鸿沟行之有效的方法。本文所做工作主要包括以下几个方面:1、提取图像的低层特征与图像间相似度匹配。提取图像的低层特征是实现基于内容的图像检索技术的基础,本文论述了图像的颜色特征、形状特征和纹理特征的基本概念及提取方法,对通用标准图像库中的图像进行底层特征提取,对提取的数据进行量化形成数据库。在提取了图像基本特征后,又对图像特征相似度匹配问题进行了论述。2、论述K-means在图像聚类中的应用原理,在传统K-means算法的基础之上引入正反馈策略对聚类中心进行调整,克服传统K-means算法中存在的问题,提高图像聚类的准确度。3、在图像检索中运用正反馈策略,根据用户反馈对图像的某些特征进行加权以突出这些特征,使得具有相同特点的图片从大量的图像集合中突显出来,最终获得符合用户要求的图像。