近年来，世界上数字图像的数量产生了爆炸性的增长趋势，图像数据库的大小也随之增长，人们把越来越多的精力投入到在图像数据库中查找图像的搜索技术，因此，基于内容的图像检索（CBIR）已然是如今世界上最活跃的研究领域之一。一个CBIR系统是通过自动提取图像的，例如颜色特征、纹理特征与形状特征等底层视觉特征来实现对图像的查找，其主要研究方向分为以下两个方面：（1）取决于图像特征描述子与特征距离函数的图像相似度的计算；（2）基于机器学习算法的相关反馈检索技术研究。迄今为止，许多图像检索技术都是基于全局的特征分布。然而全局分布的特征忽略了很多图像的空间信息，这些空间信息对于空间模式识别来说也同样重要，因此，基于全局分布的特征对于稍微复杂的图像来说具有有限的识别能力。在本论文当中，为了提高颜色索引技术的识别能力，用椭圆把图像进行分块，图像被分成n个等面积的子区域，把HSV空间进行非等间隔量化，图像的颜色特征就用从全部子区域中提取出颜色的直方图来表示。结合纹理特征分析中的Gabor滤波方法，本文提出了一种结合颜色与纹理的特征表示方法。对结合的特征进行特征归一化处理，并且指定了每一个特征所占的相对权重，每一种特征的相似性度量都由自己相应的相似性度量计算公式计算出来。最后，本文基于SVM分类器设计并实现了一个反馈检索机制，实现了基于颜色、纹理与SVM反馈的图像检索系统。实验数据显示，本文中所提出的方法具有较高的查准率。