近年来，数字图像的数量已经急剧增加，因此将会在广泛的领域中需要和频繁地使用图像的内容。许多学科领域和行业包括电信、娱乐、医药和监控等，都需要高性能和高效率的图像检索系统，并且这个需求将会随着移动无线网络的发展变得更为重要。图像检索中常用的特征提取方法大都是针对每张图像自身的某些特征，忽略了与其他图像之间的联系。图像的显著区域往往是最受人关注的，经典的视觉注意模型通常都是基于像素的特征进行视觉注意的激励或特征显著图的融合，并没有对图像进行整体的分析。针对上述问题，本文进行了以下研究：1.利用颜色、边缘、空间等图像最直观的特征，提出了一种基于方向图导向型空间颜色直方图的图像检索方法，实验表明该方法具有较高的平均检索率。2.提出了一种基于特征聚类的图像检索方法，首先对图像块样本的R、G、B三通道像素值经过预处理后，再通过K-means学习，然后对图像的每个图像块进行非线性的稀疏编码及池化操作得到特征向量，最后对特征向量进行标准化处理，实验表明该方法提取特征耗时少且有着较好的平均检索率。3.提出了一种基于视觉注意的图像检索方法，首先利用低秩表示检测显著区域，再对显著区域进行基于无监督学习提取图像过完备特征，然后对特征向量降维后并采用结构图稀疏表示，并将其应用于图像检索，实验表明该方法有着较好的平均检索率。