近年来，随着多媒体技术以及Internet技术的迅速发展，网络上的信息资源日益丰富。传统的基于文本标注的图像检索已经不能满足用户的信息需求，需要全面地、一般性地、客观地来提取图像的内容，而根据图像内容进行检索才有可能有效地获取需要的信息。基于内容的图像检索就是这样一种利用图像的内容，如颜色、形状、纹理等特征来检索相关图像的技术。本文主要研究基于内容图像检索中的相关反馈技术，基于内容的图像检索（CBIR）及相关反馈技术是当前研究的热点之一。 本文首先分析了基于内容图像检索技术的研究现状及存在的问题，详细阐述了基于内容的图像检索研究的各个关键技术，其中包括图像检索技术的发展阶段介绍、检索性能评价及分析、图像视觉特征的提取与表达等等，并且分析了基于内容图像检索中的多种相关反馈算法。为了弥补仅依赖低层视觉特征检索造成的“语义鸿沟”问题，本文实现了基于SVM（Support Vector Machine）的相关反馈检索算法，在分析了该方法在基于内容的图像检索系统中的不足的基础上，提出一种基于传递性支持向量机HSVM（Hand—on Support Vector Machine）的有记忆相关反馈图像检索方法。在人机交互过程中，HSVM分类器不仅对本次反馈过程中用户所提交的标记的正例和反例样本进行学习，还对历次反馈过程中的正例和反例样本进行学习，并根据训练后的分类器进行检索。应用表明该方法在样本集较小的情况下，仍可以检索出较多的相关图像，在有限训练样本情况下具有良好的推广能力，其检索性能明显优于传统的相关反馈方法—MARS（Machine Retrieval System）方法和基于SVM的相关反馈方法。