随着计算机网络的迅猛发展,手机拍照及数码相机的普及,数字图像的数量大量增长,也产生了种类繁多的数据库。如何在这些数据库中准确快速的检索出用户需要的图像逐渐引起人们的重视。20世纪90年代提出的基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术逐渐成为解决此问题的研究热点。基于内容的图像检索主要包括特征提取和相似度匹配,然而,底层视觉特征和高层语义之间的语义鸿沟是基于内容图像检索中的难点和重点问题之一。相关反馈是一种有效减小语义鸿沟的策略,而基于群智能优化算法的相关反馈能在反馈阶段有效地寻找查询向量,从而减少查询次数,节省用户等待时间。本文主要做了以下两方面的工作:一是讨论了单一特征及不同组合特征对初始检索结果的影响,图像特征的使用直接影响着初始检索结果。本文讨论了单一颜色直方图,颜色直方图与颜色矩,颜色直方图与Gabor特征,颜色直方图,颜色矩与Gabor特征的组合特征对初始检索结果的影响,并给出在哪种权重组合下的组合特征效果最优。二是探索了粒子群优化(Particle Swarm Optimization,PSO)算法中迭代次数对检索结果的影响。PSO算法在相关反馈中是可行的,而PSO算法中的迭代次数是一个重要参数,因此,本文讨论PSO内部参数,迭代次数对检索结果的影响,给出实验结果,分析并给出结论。