在当今信息技术飞速发展，数码相机、手机、监控设备剧增的年代，数字图像凭借其信息量大、简单易懂的强大优势，已经应用到社会的各行各业中，如工业制造、新闻媒体、交通监控、医疗卫生和家庭生活等。但是在数字图像给我们的日常生活带来方便的同时，如何对大量数字图像数据库进行有效的管理，并能够快速、准确的从海量图像中定位所需要的目标图像，成为一项亟待解决的难题，于是寻找一种有效的图像检索技术成为研究的目标。为解决这一问题，本文首先介绍了现有的图像检索技术，阐述了传统基于文本的图像检索的不足，重点研究基于内容的图像检索技术。在基于内容的图像特征描述方面，本文主要研究分析了全局特征描述法和局部特征点描述法，为了达到准确性，选取了基于尺度不变特征（Scale Invariant Feature Transform，SIFT）进行重点研究。在本文的第三章分析了SIFT的原理和提取过程，并且使用SIFT特征进行了匹配实验。实验结果表明，SIFT特征在物体识别方面具有良好的有效性，但是特征提取和匹配时间长，无法进行实际应用。为此，本文又对SIFT算法进行了改进，首先在配准方面引入K-D树算法，将数据库图像中提取到的特征点按照树状结构进行索引，并使用基于最优节点优先（Best Bin First，BBF）的K-D树搜索算法，在建好的K-D树中查找特征点的最近邻和次近邻，提高图像匹配的效率；然后结合随机抽样一致算法（Random Sample Consensus，RANSAC）对匹配成功的特征点对进行一致性的检验，随机建立多个数学模型并计算相对应的内点数量，选取数量最多的模型作为最优数学模型，可以用于剔除图像间的错误匹配，提高特征匹配的准确性。实验结果发现，匹配效率和准确度有很大提高。最后，本文又研究了，SIFT的改进算法PCA-SIFT，它将SIFT的128维特征向量降为36维，缩小特征向量维数来改进匹配速度。以提出的图像检索方法为基础，本文构建了一个图像检索系统。该系统包含离线处理和在线处理两个部分，离线模块负责对图像数据库进行前期处理，在线模块负责处理查询图像的检索请求。随后本文对建立的系统进行了验证实验。结果表明，所构建的图像检索系统满足各项使用要求，识别准确度高，运行速度较快，是一个快速稳健的检索系统。