快速、准确的从众多的图像中查找出自己需要的图像是图像检索的主要研究内容。基于内容的图像检索主要是依据图像的底层视觉特征建立图像的检索结构,它改进了基于文本的图像检索在图像标注时费时较多且易受主观影响的缺点,但当数据量巨大时其检索效率降低,因而需要建立一个适合大规模图像数据库检索的数据结构。词汇树是基于视觉关键词检索结构中的一种,它能够满足图像检索方法对自适应性和可扩展性的新要求,且比其它检索结构更为高效。本文围绕词汇树图像算法中的聚类算法和特征提取方法进行研究,完成了以下三方面的工作。　　(1)词汇树图像检索在构造词汇树时使用K-means聚类算法,但是K-means算法对初值比较依赖,当K未知时聚类易出现强分现象,本文针对这一问题使用ISODATA算法替代K-means算法,并给出了ISODATA算法的参数选取方法,形成了基于ISODATA的词汇树图像检索算法。　　(2)词汇树图像检索提取的图像特征一般为SIFT特征,SIFT特征的优点是对图像的旋转、亮度变化、尺度缩放保持不变性,并对图像的仿射变换、视角变化、噪声也保持一定的稳定性,本文在SIFT特征提取的方法基础上,采用 CRONE算子检测极值点周围16×16窗口内像素的水平和垂直方向的CRONE特征,并利用CRONR算子计算像素点的梯度,形成新的SIFT_CRONE特征提取方法,与 ISODATA聚类算法结合形成了基于SIFT_CRONE_ISO的算法。　　(3) SIFT特征和SIFT_CRONE特征维数较大,易造成数据溢出和检索时间增大,针对这一问题,本文提出了颜色直方图和HU矩特征的综合特征,它是在用SIFT算法检测图像的极值点后,选取有效区域,有效区域内的极值点的′111×11窗口范围为一个感兴趣区域,提取该感兴趣区域的颜色直方图和HU矩特征,并结合ISODATA形成了基于综合特征_ISO的词汇树图像检索算法,取得了较好的图像检索结果,并提高了检索效率。