伴随着互联网技术的迅猛发展,信息共享成为人们工作、学习和生活中不可或缺的重要组成部分,而数字图像作为直观且逼真的视觉信息载体,在软硬件技术迭代过程中的获取和共享变得更加便捷,在网络数据中的占有量更是与日俱增。为了从海量的图像数据中准确而快速地找到感兴趣的部分进行进一步的处理,提高图像检索的效率成为亟待解决的问题。基于文本的图像检索,由于其人工介入和描述差异等缺点,逐渐退出了图像检索领域的历史舞台,而基于内容的图像检索技术逐渐成为了当今研究的热点。基于内容的图像检索技术利用颜色、纹理、形状、位置、方向等多个底层特征对图像进行描述,通过特征的相似性度量来完成图像检索的目的。本文中,研究了将图像的全局和角点特征融合起来进行图像检索的方法,为了进一步提高图像检索的效率,又将遗传算法引入图像检索的过程中,最后设计制作了基于特征的图像检索系统,将图像检索的结果清晰地展示出来。主要的研究工作如下:1.提出了一种融合全局特征和角点特征的图像检索方法。首先从整幅图像中提取HSV直方图特征和LBP特征,然后提取图像角点的Hu矩形状特征和基于灰度共生矩阵的纹理特征,最后将这两类特征融合起来,通过相对曼哈顿距离进行相似性度量,并在此基础上完成图像检索。从实验结果来看,该图像检索方法取得了较好的效果。2.将遗传算法引入图像检索过程。将所有提取的图像特征归一化,采用模拟达尔文生物进化论的遗传算法对诸多特征进行自适应地特征选择和权重设置,通过经编码的初始种群一代代的选择、交叉和变异,最终进化出性能最优的个体,再将个体进行解码便得到最优特征子集和权重系数,最终完成图像检索。从实验数据可以看出,经过用遗传算法进行特征选择和权重设置,提高了图像检索的效率。3.设计并制作了基于特征的图像检索系统,使得图像检索算法的结果能够清晰的呈现出来。