近些年来，伴随互联网和多媒体技术的飞速发展，数字图像的样式和内容变得日益丰富。基于内容图像检索作为获取所需图像信息的有效方式，已经成为当代计算机视觉领域的研究热点。　　建立有效的视觉特征相似性度量模型，提高图像查询的匹配精度，同时采用有效的相关反馈策略，缩小图像检索的语义鸿沟，是目前基于内容图像检索领域研究的重点。由此，提出一种基于遗传算法和支持向量机的图像检索方法。该方法首先将智能优化算法中的遗传算法应用到多特征图像检索的特征组合权值分配过程中，利用该算法对图像特征组合参数进行优化调整，构造出了有效的视觉特征相似性度量模型，提高了图像检索的查询精度。　　其次，在相关反馈过程中，结合遗传优化得出的最优视觉特征相似性度量函数，对传统基于支持向量机的相关反馈算法进行改进，将图像的视觉特征相似性度量函数与支持向量机的最优分类超平面方程相结合，作为相关反馈中图像间相似性的计算模型，同时根据用户反馈信息，对该相似性计算模型中的图像特征权值进行修正，从而使其更加满足于用户的检索需求。　　实验结果表明，与传统基于支持向量机的图像检索方法对比，该方法不仅可以提高图像检索精度，改善图像检索的排序结果，还可以有效地减少图像检索的反馈次数，避免反馈结果中出现不相关图像排列到相关图像前面的现象。