随着大容量存储设备和数字化设备的出现和广泛使用，以及多媒体技术和网络技术的迅速普及，图像已经成为信息载体的主要形式之一，并且呈现指数级的增长趋势。图像检索技术被提出来用于从浩瀚的图像数据库中检索到所需要的图像，先后经历了基于文本的图像检索和基于内容的图像检索两个阶段。基于内容的图像检索使人们从基于文本图像检索方式的枯燥、繁重的标注工作解脱出来，获得了广泛的关注，并成功用应用到了医疗、教育、数字图书馆、军事、工业与商业等领域。目前图像检索技术的许多问题仍然需要进一步的研究，没有一种图像特征对所有图像的内容表示都适合，大规模图像数据库检索的实时性需求也日益突出，在图像低层特征与高层语义之间建立直接联系仍然是一个开放问题。本文以基于内容的图像检索技术(CBIR)为研究对象，深入探讨了CBIR中基于综合特征和基于显著点的图像检索技术。论文工作的主要内容和研究成果如下：①阐述了图像检索技术的研究背景、研究意义以及图像检索技术的发展历史。介绍了基于内容的图像检索的研究现状和研究热点；对基于图像内容检索的底层特征提取算法、相似性度量方法以及性能指标准则进行了详细讨论。②提出了基于综合特征的图像检索方法。特征提取是基于内容的图像检索的关键步骤，本论文首先对经典的图像底层特征提取算法进行了学习，重点对纹理特征中的块逆概率差(BDIP)和主颜色特征中的线性分块算法(LBA)进行研究。经分析，发现采用BDIP值的一二阶矩作为图像特征时特征维度较大，并且对子块进行分类时采用均值进行二分容易使属于同一目标的子块被分割到不同的类别中去。针对以上问题，论文提出了一种新的纹理特征——主块逆概率差值(DBDIP)，首先提取原始图像的彩色BDIP图像，然后计算彩色BDIP图像中的主要纹理值及其比例作为纹理特征。基于LBA和DBDIP实现了基于综合特征的图像检索方法。实验结果表明DBDIP能很好地表征图像内容，从而使得所提出的图像检索方法具有较高的召回率和正确率。③提出了一种新的自动提取显著点的算法，并在此基础上实现了基于显著点图像检索。经典显著点提取算法的时间复杂度高，提取的显著点在图像中的分布比较分散。本论文提出的自动提取显著点算法能较好解决此问题。该方法采用BDIP模型提取图像中的脊和边缘等骨架信息，然后采用迭代选择阈值算法计算出阈值进行显著点提取。实验结果分析表明：前景和背景区分明显的图像，能有效地提取显著点，获得较高的召回率和正确率；前背景区分不明显的图像，不利于显著点的提取，因而检索时正确率和召回率较低。