近年来,随着多媒体技术以及网络技术的迅速发展,网络上的信息资源日益丰富。如何从海量的图像库中检索出满足人们需要的图像已经成为一个研究热点,与此同时,基于内容的图像检索(CBIR)技术也应运而生。现有的基于内容的图像检索系统均是以低级视觉特征为基础工作的,它们存在的瓶颈是图像的低级视觉特征和高级语义之间的差距。基于区域的图像检索(RBIR)是基于内容图像检索(CBIR)的进一步的延伸和发展。它是在区域分割的基础上,针对人们感兴趣的部分进行检索,更好地表示用户对图像进行理解时的关注点,提高了检索效率。本文首先介绍了基于区域检索技术(RBIR)的技术背景和发展过程;然后依次介绍了一个成功有效的基于区域的图像检索系统应用的多种关键技术;给出了多个检索实验结果的对比分析,实验结果表明,该系统在传统的图像检索系统的基础上有了很大的提高;本文的最后提出了系统的不足和未来的发展研究方向。稳健有效的图像分割是系统检索的前提条件。大部分的图像分割技术依赖于区域边界、物体之间的边缘,这些方法不能很成功的分割出目标,而且可能造成过度分割和区域不连续的问题。本文在传统的基于像素点的聚类分割的基础上,以纹理基元为单位,采用了基于概率的期望最大算法(EM)。该方法能自适应确定聚类中的参数,通过后处理做到了兼顾点的位置连通关系,提高了分割的效率。区域的特征和描述是系统的关键,本文采用直方图用来描述颜色特征,Gabor小波用来描述纹理特征,七个不变矩用来描述形状特征,采用加权归一化特征向量来进行区域间的匹配比较。在计算图像间的匹配度时,改进了传统的整体区域匹配(IRM)算法,采用了二次检索技术,通过设置上下限函数来过滤一部分不相关图像,减少了计算的强度,大大提高运算效率。建立有效的数据库索引机制是系统优化的手段,本文采用局部线性嵌入式算法(LLE)来降低特征向量的维度,在改进的向量近似算法(VA)上建立高效的索引机制,提高检索的精度和速度。为了客观地评价本检索框架的检索性能,本文在基于大型通用图像库Corel库进行了大量的检索实验。分别验证了检验单特征检索与综合特征检索的效果对比;优化图像匹配算法与SCAN算法效果对比;改进的索引机制与顺序索引效果对比;基于全局的图像检索与基于区域的图像检索对比分析。实验结果表明本文方法能够较好地进行图像检索,提高检索性能。相关反馈方法,学习用户的语义主观性,MPEG-7标准以及面向网络和大规模数据库的CBIR应用的需求也会与日俱增,也是下一步的研究方向。