随着信息社会的发展,图像的使用已经渗透到社会的各行各业,日益增多的图像来源为人们提供了丰富的信息。如何快速地搜索有用的图像已变得越来越迫切。当前流行的网络搜索引擎大多基于文字,对于基于内容的图像检索的研究才刚刚起步。将数字图像处理、数据库和图像检索技术结合起来,建立高速、便捷的图像搜索引擎具有重要的理论和应用价值。基于内容的图像检索技术包括如下几个内容：图像底层特征提取、相似度匹配、索引机制。本文围绕图像底层特征提取展开了研究,将提取颜色特征、纹理特征、形状特征的经典算法进行了融合和改进。首先利用Haar小波对图像进行一级分解,并在传统的对图像进行小波分解后通过计算高频图像的能量来描述纹理特征的基础上,提出了一种新的纹理提取方法,该方法通过计算纹理的直方图来描述纹理；再对低频图像用分水岭算法进行分割,将目标物从背景中分离出来,并在此基础上用改进的分块主色调法提取目标物颜色,避免了传统的分块主色法强制分块的弊端；最后用链码的方法提取目标物的形状特征。通过上述特征提取算法可以方便地提取出图像多方面的特征,大大增加了图像检索的精度。本文以Visual Studio2005作为开发工具,Oracle 10g作为数据库,设计了一个简单的基于内容的图像检索系统。本文设计的CBIR系统基于上述算法实现了图像特征提取,通过允许用户输入参数的方法支持用户的个性化搜索。最后对本系统进行了实验,达到了预期的效果。