当今世界，随着网络技术的发展，基于内容的图像检索（Content-based imageretrieval, CBIR）已经成为图像处理领域一个研究热点。但由于图像理解技术发展有限，图像的视觉底层特征与高层语义之间存在差距，使CBIR结果不能满足用户的需求。为了克服这个难题，在图像检索中引入了人机交互的相关反馈技术，有效的提高了系统的检索性能。论文首先对相关反馈技术的发展现状以及特点进行了综述，以及对基于SVM(Support Vector Machine)的相关反馈和基于特征权值调整的相关反馈进行了论述，最后对相关反馈技术的应用前景也做了表述。基于内容的图像检索，直接提取图像的视觉特征进行检索，能克服文字检索主观、模糊且需人工标注的缺点，是近年来的图像检索领域中的研究热点。为进一步提高检索性能，本文对相关反馈算法和全局特征进行了研究。本文将基于模糊区域特征的图像检索和基于权重调整的相关反馈结合起来，在指数模糊隶属度函数的基础上提出了一种基于模糊区域特征的相关反馈方法（Unified FeatureMatching, UFM）。该方法利用用户第一次查询后选取的正例图像，通过最大化这些正例图像区域和查询图像对应区域之间的模糊相似度的加权乘积，给每个区域分配一个加权向量，给区域中的不同特征分配一个对称矩阵。加权向量为不同特征之间分配权重，对称矩阵将对应区域特征进行优化映射以使得该特征向量尽量符合用户对图像区域的描述。本文在模糊相关反馈的基础上结合了基于全局小波能量特征的SVM相关反馈，全局特征反馈同时使用正例和负例图像。实验结果表明采用了这些方法后，检索结果有了很大的提高。本项目致力于基于模糊内容特征的图像检索与联合相关反馈研究，在模糊特征的基础上，将模糊检索和相关反馈技术集成、将各种常用的相关反馈技术联合集成，取长补短来得到更好的优化检索结果。