随着互联网技术的普及以及多媒体技术的快速发展，以数字图像为主的多媒体信息在人们的日常生活和工作中发挥着越来越重要的作用。然而随着图像数据库规模的逐步增大，如何对图像进行快速准确的查找成为了目前亟待解决的问题。为此，基于内容的图像检索（Content Based Image Retrieval, CBIR）技术应运而生，该技术的特点在于算法针对图像自身的底层视觉特征，首先提取查询图像的特征，然后将此特征与图像特征库里的其它图像的特征进行相似度匹配，最后将相似度较高的图像作为检索结果显示给用户。但传统的CBIR通常面临检索准确率不高与检索效率过慢的问题。本文针对上述问题，在传统的CBIR基础上提出了三个方面的改进，围绕基于目标区域特征的反馈式图像检索算法展开研究，主要工作内容如下：（1）传统的CBIR中，人们习惯从图像的全局特征的角度来描述图像，但实际上，图像中还会包含有很多冗余信息，用户更关注的只是图像中的局部区域，因此，论文重点研究了基于局部目标区域的图像检索，提出了基于自适应阈值曲率增强的角点检测法和基于角点曲率的目标区域提取法。该算法将曲率作为角点重要程度的判断标准，通过自适应阈值判断图像的真伪角点，并增强真实角点的曲率信息，利用具有较大曲率的角点确定图像的重心，以重心为形心定位图像的目标区域。实验表明，基于上述算法的图像检索与传统的算法相比，不仅可以有效地检测出图像的角点、提取出目标区域，而且能够大幅度的提高图像检索的准确率。（2）为了提高图像检索的效率，添加了聚类分析算法。首先利用模糊C均值算法对图像数据库中的图像进行聚类，得到多个聚类中心和每个类的中心图像，然后将查询图像与每个类的中心图像进行相似度比较，找到与其最相似的一类，使得接下来的检索工作只需要在该类的内部进行即可。实验表明，加入聚类分析算法后，缩小了检索范围，提高了检索算法的效率。（3）图像检索准确率不高的原因除了图像中过多的冗余信息之外，还源于图像的底层视觉特征与人类的高层语义概念之间的差异。为此，引入相关反馈机制，允许用户对每一次的检索结果进行相关性的标注，然后系统根据反馈信息通过特征权重系数调整法调整检索策略，指导新一轮检索。实验表明，添加了相关反馈机制后，检索准确率得到了进一步的提高，更加符合用户的需求。