基于內容的圖像檢索，即CBIR(Content-based image retrieval)，是機器視覺領域中關注大規(guī)模數(shù)據(jù)內檢索數(shù)字圖像的研究分支。基于內容的圖像檢索的研究還涉及了圖像處理(Image Processing)、圖像檢索(Image Retrieval)等多個研究領域。其研究的目的是直接根據(jù)圖象和視頻本身的信息，抽取檢索特征，建立索引樹，再根據(jù)一定的相似性衡量標準，實現(xiàn)檢索。

　　目前在圖象數(shù)據(jù)庫和視頻信息系統(tǒng)中，檢索主要是根據(jù)隨圖象和視頻信息一起存儲的文本描述進行的，通常這些文本十分簡潔，主要含有拍攝時間、地點、拍攝者等信息。對圖象本身的內容描述也是十分簡短的，難以滿足實際檢索時多方面的需要。

　　對于支持基于內容的圖象檢索的數(shù)據(jù)庫而言，必然支持兩種主要的數(shù)據(jù)結構：物體和場景(objects and secenes)。場景是一幅圖象，其中可以含有一個或更多個物體，也可以沒有物體，物體是場景的一部分。例如，汽車是交通場景的一個物體。這兩種數(shù)據(jù)類型需要按照它們的視覺特征來表示，包括顏色、紋理(texture)、形狀(shape)、位置以及作為線條圖草圖(line sketches)時的邊界之間的關系。

　　常用的圖象特征是顏色和紋理，此外對于物體檢索而言，圖象特征還包括幾何特征如形狀、尺寸和位置，此外還有基于草圖的特征，例如刻畫出圖象中物體形狀和方向的簡單線條圖特征。目前的圖象檢索方法主要根據(jù)彩色直方圖特征和紋理度量特征，比較簡單的方法有基于主顏色和顏色直方圖的檢索，更復雜的方法需要結合區(qū)域的位置關系(如上半個圖表示天空和云彩，下半個圖表示地面上的景物等)和幾何形狀(如圓形、線條框或輪廓等)信息按分層的方式綜合起來，此外還可以根據(jù)用戶的反饋信息利用機器學習的方法改進基于內容的圖象檢索算法。