现代信息技术的快速发展需要更好的图像检索技术来应对海量图像数据的检索。基于内容的图像检索随之被提出并迅速发展起来。它包括基于全局特征的图像检索和基于区域特征的图像检索。而基于全局特征的图像检索是直接使用全局的视觉特征来匹配图像。基于区域的图像检索是先把图像分割为若干目标区域,再用区域特征匹配算法检索图像,本文主要是对基于区域的图像检索中的区域分割及其区域匹配方法的关键技术进行了研究。本文提出了一种将ISODATA聚类方法与区域生长算法相结合的多尺度多特征的彩色图像区域分割方法。该方法具备了聚类算法和区域生长算法各自的特点,分别使用8×8和16×16两种分块尺度下各子块的颜色、纹理和形状三种特征对均匀选取的种子点子块进行ISODATA聚类,并用聚类结果构造的生长准则进行基于区域生长法的两种尺度下的区域分割,然后利用区域的位置和区域的特征对两种分块尺度下的分割区域进行融合,形成大面积的有意义的目标区域。区域匹配过程中采用了同一类区域的所有子块的三种特征的特征均值作为该区域的特征来进行区域相似度的计算。为了更好地描述图像区域的语义关系,本文在考虑到区域位置分布、区域大小及相邻区域的颜色反差的因素的基础上对IRM算法中的重要性因子进行了改进,更加突出了图像中的重要目标区域。另外,本文使用改进后的DPF特征选择函数,计算优化特征后的区域相似度矩阵,并且结合改进后的IRM区域匹配算法完了成区域匹配。通过对三种不同的检索方法的对比实验发现,本文算法总体检索效果要优于另两种常用的图像检索方法,在一定程度上提高了图像检索的查准率,而且对于图像中主要区域的匹配能达到更好的匹配效果,尤其是对于含有较大面积且颜色反差较大的主要区域的图像有更准确的检索效果。