近年来,随着信息技术的高速发展,图像信息的应用日趋广泛,基于内容的图像检索技术已经成为当前一个研究热点。本文在简要介绍了基于内容的图像检索研究背景意义、国内外现状以及相关技术的基础上,重点对基于颜色和形状特征的检索进行了深入的研究和探讨,主要工作如下:在颜色特征提取方面,在分析了不同颜色空间、颜色量化以及常见的颜色特征提取方法后,提出了一种基于子块加权颜色直方图的检索算法,在充分考虑视觉特性的同时也考虑到空间的分布特性。首先将图像转换到HSV空间,然后用分块方法把图像分成若干子块,并采用颜色密度的视觉权重对子块的每个像素点进行加权处理,构造一个加权颜色直方图来作为该子块的颜色特征,最后对每个子块特征进行综合匹配检索。在形状特征提取方面,叙述了典型的形状特征提取算法,通过分析其不足,给出了一种基于Contourlet变换的形状特征提取算法。综合颜色特征和形状特征的特点,提出了一种基于神经网络的多特征权重优化的图像检索算法。考虑到不同特征的物理意义以及取值范围的不同,在对颜色特征与形状特征进行归一化的同时进行特征权值优化调整,将多特征图像检索中的特征权重调整问题转化为最优化问题,并利用RBF神经网络进行学习求取权值最优解,实现精确检索。本文给出了相关算法并进行了相关实验对比分析,验证了本文算法的有效性与优越性。