随着互联网和信息采集技术的发展,图像作为普遍使用的信息载体,其数量呈爆炸式增长。为了快速准确的检索到当前需要的图像,基于内容的图像检索(CBIR)逐渐兴起,由于其通用、高效、直观、与专业知识无关等优点,成为国内外机构的研究热点,近年来也成为各互联网公司竞争的一个重要领域。本文围绕着CBIR中显著区域检测、图像特征提取与融合、检索方法及相关反馈等技术环节进行了一定的探索,主要研究工作如下：(1)针对图像检索中对所有区域统一赋值,导致计算复杂且检索准确率低的问题,本文提出了一种基于马尔可夫随机场的显著区域检测模型。实验结果表明,本文提出的显著区域检测方法能较好的检测出图像中的显著目标。(2)针对单特征无法准确描述图像的问题,本文基于颜色、纹理及形状三种特征,设计了一种图像表示的方案。选取可伸缩颜色描述符、Gabor小波、形状不变矩三种图像特征,采用主成分分析技术对从图像显著区域中提取的特征向量进行特征融合。(3)针对底层特征与高层语义之间的“语义鸿沟”问题,本文中创新性的引入了回声状态网络实现底层特征到高层语义的映射。通过对图像样本数据构建检测模型,实现对查询图像的类别概率计算,进而达到查询图像与库图像相似度判别的目的。实验表明,本文的图像检索方法能很好的满足用户的检索需求。(4)为了提高检索的准确度,并把用户的理解融入检索过程中,文中最后对检索过程引入了用户相关反馈,并根据本文ESNs检索架构设计了相关反馈类别筛选策略。实验结果表明,相关反馈的引入能提高检索的准确度。