随着数字化设备的广泛应用和网络技术的迅猛发展，图像数据库已成几何级数增长趋势，如何在这些图像数据库中准确、迅速的找到所需要的图像就成为一个迫切需要解决的问题。基于内容的图像检索技术就在这种背景下应运而生，并成为一大研究的热点。目前，在基于内容图像检索技术中，应用比较成熟的多是基于图像底层视觉特征的图像检索技术，通过提取图像的颜色、形状、纹理或多个特征作为图像的特征向量进行相似性度量，进而进行图像检索。基于单一特征的图像检索往往存在检索精度不高的缺点，而基于多特征的图像检索技术则可以提高检索精度。本文围绕如何利用图像的多个特征信息进行检索的问题进行了研究，主要研究内容和贡献如下：1.查阅和研究了基于内容的图像检索相关文献资料，对基于内容的图像检索的关键技术进行了综述。首先介绍了图像颜色、形状、纹理等特征的提取和描述方法，并着重分析了多特征的提取和描述方法；然后对图像的相似性度量技术进行了比较全面的分析；最后对常用的图像检索技术的性能评价方法进行了相应的介绍。2.提出了一种基于K均值聚类分割的多特征图像检索算法。该算法首先将图像转换到HSV空间，提取出图像的H分量矩阵和V分量矩阵，并进行矩阵重组，用K均值聚类算法分别对重组后的两个分量进行聚类，将聚类后的两幅图像做取交集运算，这样就分割出了图像中的主要区域；然后提取出分割区域的形状信息，用傅里叶描述子和Hu不变矩来描述；最后进行相似性度量。实验表明，该算法取得了良好的分割效果和检索效果。3.设计实现了一个单机的基于内容的图像检索系统。该系统主要由特征库建立的子系统和图像检索子系统两个模块组成，用基于文件系统的方式将图像数据库和提取出的图像特征进行保存。然后用该系统对各种不同的检索算法进行测试和比较。根据对比实验表明，本文的改进算法取得了较好检索效果，同时也证明了该系统的可行性和有效性。