随着多媒体技术及网络的迅速发展，数字图像信息越来越多，如何快速有效地管理和查询有价值的信息已成为人们的迫切需求，因此基于内容的图像检索技术应运而生。基于内容的图像检索技术是一种有效的图像分析、管理图像数据库的方法，成为了目前一个相当重要而又富有挑战性的课题。　　 本文主要是围绕基于内容的图像检索中图像底层特征的检索进行了探讨。具体研究工作如下：　　 首先，本文论述了目前国内外基于内容的图像检索系统的发展和研究现状，研究了基于内容的图像检索的关键技术，包括图像颜色、纹理、形状特征的提取，相关反馈机制，相似性度量和检索算法评价准则。　　 然后，给出一种基于BDIP的显著点的图像检索方法。本方法采用块逆概率差(Block Difference of Inverse Probabilities，BDIP)来提取图像的显著点，采用符合人体视觉的HSV颜色空间模型，使用颜色直方图来表征图像，选用直方图相交距离法来进行图像特征的相似性度量，依据查全率与查准率来验证算法性能。通过与经典的利用Itti模型来提取显著点的方法进行对比，实验表明，该方法有效地提高了图像的检索性能。　　 接下来，给出一种基于聚类的图像检索方法。在高维空间中，数据非常地分散，本方法使用基于子空间的聚类算法(Clustering Algorithm Based onSubspace，CLIMB)，在提取图像的显著区域之后先进行聚类，然后再对图像进行特征提取与描述。实验表明，该方法有效地提高了图像的检索性能。　　 最后，给出一种基于相关反馈的图像检索方法。采用的支持向量机(SupportVector Machine，SVM)相关反馈是根据用户标记的正负样本训练学习新的分类模型，通过学习用户反馈的相关信息，对特征库重新分类，来改善检索结果。实验表明，该方法有效地提高了图像的检索性能。