随着计算机技术、多媒体技术以及网络技术的飞速发展，越来越多的图像出现在人们的日常生活中。如何有效地从浩瀚的图像数据中检索出用户需要的图像就成了一个亟待解决的问题，基于内容的图像检索技术应运而生，成为近年来的研究热点之一。本文在对现有基于内容的图像检索方法进行深入调研和分析的基础上，从图像感兴趣区域入手开展了图像的特征表达、检索和聚类方法等方面的研究，并取得了以下成果： 1.借鉴摄影技术的构图规律，综合考虑图像的底层特征和结构特征，提出并实现了基于区域加权的图像感兴趣区域特征提取、匹配和检索方法。 该方法针对现有感兴趣区域提取算法仅使用底层特征而缺乏先验知识指导的不足，引入了摄影知识中广为使用的基于黄金分割比例的构图方法。考虑到图像中的不同区域在构图时对图像整体效果具有不同影响，所以对其赋予不同的权重，使最终提取出的感兴趣区域能够更加真实的反映图像的主题。实验结果表明，本文提出的方法能够有效的提高基于内容的图像检索的准确率。 2.基于MPEG-7国际标准，建立了对不同类型图像数据的视觉特征的统一特征描述，使其具有了良好的通用性。 本文使用了符合MPEG-7标准的颜色布局与边缘直方图分别对图像感兴趣区域的颜色和纹理特征进行描述，并用于匹配和检索。 3.基于已获取的图像感兴趣区域视觉特征，设计并实现了一种在图像特征空间中基于欧氏距离的对图像感兴趣区域特征进行聚类的方法。 该方法将数据挖掘中的聚类算法应用于图像特征空间，对图像中的感兴趣物体进行了分类和识别，为缩短图像底层特征与高层语义间“语义鸿沟”的距离以及将来进行基于图像语义的检索打下了基础。