基于内容的图像检索在现今多媒体技术飞速发展的大背景下得到大批研究者的重视，随着大规模的图像数据库不断涌现，数字图书馆、网络的不断普及，基于内容的图像检索技术越来越频繁的出现在人们的生活中，也正因如此使得人们对图像检索技术的要求越来越高。基于内容的图像检索技术不同于传统的文字信息检索方式，它不需要对图像的“索引”、“目录”和“摘要”等内容进行繁琐的人工标识，而是利用图像内容的视觉信息，从低层到高层进行自动的层层处理，在过程中获取图像的相关内容信息并对其进行相应的检索，并迅速的从视觉信息数据库之中完成对相关的图像或图像序列的检索。本文针对基于内容的图像检索技术的新要求进行了以创新性与探索性为基本研究思想的实践学习。论文的主要研究工作分为以下几个方面的内容：（1）针对基于内容的图像检索技术中的全局特征与局部特征进行深入研究，对全局特征方面的颜色特征、形状特征以及纹理特征的各自图像特点与计算方法进行了详细的介绍与推导；在局部特征方面，详细分析了SIFT算法的相关理论与实现方式，由于SIFT特征优越的检索准确率，本文采用不同场景下的图像进行了SIFT算法的特征提取以及描述符的标识，在实验中证明其卓越的尺度不变性与旋转不变性；（2）深入研究了图像检索领域的相似度度量方法。提出结合距离度量方法与统计度量方法的相似度计算，使特征点间的相似度关系更加明确的被分析出来；此外为了提高匹配效率本文采用了BBF-KDtree算法对图像的特征点进行匹配处理，与传统二叉树分类相比提高了分类效率，采用KD-tree算法与BBF算法相结合的方式，使得当匹配数据巨大时仍能在速度上达到明显的优化效果；对于匹配过程中产生的少量误匹配信息本文使用RANSAC算法进行消除，不但有效地消除了匹配过程中的误匹配点也成功的保存了大量正确的匹配点，通过大量实验验证了算法优越的匹配效果。（3）提出改进的空间可视化词典库模型，将Bag-of-Feature模型与SVM算法相结合，利用词袋模型对图像进行金字塔分块，并分别加以标识，得到不同子空间的特征标识块；并利用支持向量机的准确分类技术，将数字图像分割成一个一个的词袋进行匹配，实现在大型数据库中高效、鲁棒的图像检索，通过仿真实验可以发现，新算法在查准率与查全率方面均有很好的表现。综上所述，本文系统的研究了基于内容的图像检索技术的相关技术与方法，针对准确检索的要求采用SIFT算法对图像进行特征提取与标识符的确定，结合距离度量方法与统计度量方法的相似度计算，采用了BBF-KDtree算法对图像的特征点进行匹配处理，提出改进的空间可视化词典库模型。并对文中提出的算法进行了相应的仿真实验，验证了本文所采取算法的有效性与准确性。