با پیشرفت تکنولوژی و استفاده روز افزون از اینترنت، جستجوی تصویر و بازیابی آن اهمیت ویژه ای یافته است . یکی از تکنیک های بازیابی تصویر، بازیابی مبتنی بر محتوای تصویر است. در این نوع بازیابی سعی می شود که به جای استفاده از کلمات کلیدی و حاشیه نویسی دستی از محتوای خود تصویر برای جستجو و بازیابی استفاده شود. در این گونه سیستم ها نیاز به راهکارهایی برای استخراج ویژگی ها از تصویر و توصیف تصویر توسط آن ها است زیرا اکثر پیکسل های تصویر حاوی اطلاعات مفیدی نیستند . از مهم ترین ویژگی های سطح پایین که برای توصیف تصویر استفاه می شود ویژگی های رنگ و بافت می باشند. برای استخراج این ویژگی ها توصیفگرهای متعددی پیشنهاد شده اند که هر یک به نحوی سعی در استخراج ویژگی مدنظر دارند. بعد از استخراج ویژگی ها از تصاویر و توصیف آن ها، میزان شباهت هر تصویر با تصویر پرس وجو محاسبه می گردد. سپس تصاویر بر اساس این معیار مرتب شده و به کاربر نشان داده می شوند. مشکل این گونه سیستم های بازیابی تصویر که سیستم های بازیابی تصویر بدون بازخورد نامیده می شوند این است که بین آنچه مد نظر کاربر است و تصاویر استخراج شده توسط توصیفگر های ویژگی سطح پایین، فاصله ی معنایی وجود دارد. برای رفع این مشکل سیستم های بازیابی تصویر مبتنی بر بازخورد ارائه شده اند. در این سیستم ها، بعد از مشاهده ی نتیجه ی بازیابی در صورتی که کاربر راضی نشده باشد از وی خواسته می شود که تصاویر بازیابی شده را بر اساس مرتبط بودن یا نبودنش با تصویر مد نظرش برچسب گذاری کند. در ادامه از این تصاویر به نحوی برای بهبود عملکرد استفاده می شود. در این پایان نامه سیستم های بازیابی تصویر بدون بازخورد و مبتنی بر بازخورد پیشنهاد شده اند. برای ساخت توصیفگرهای تصویر از مدل کیف کلمات بصری استفاده شده است. مدل کیف کلمات بصری مشکلاتی دارد که برای رفع این مشکلات از انتساب نرم و کیف کلمات مکانی استفاده شده است. در ادامه به منظور تخصیص وزن مناسب به هر ویژگی و انتخاب ترکیب مناسب ویژگی ها به ترتیب از الگوریتم ژنتیک و انتخاب ویژگی پیش رو بهره گرفته شده است. برای سیستم بازیابی تصویر مبتنی بر بازخورد نیز، برای دخیل کردن بازخورد کاربر یک روش وزن دهی برای هر مولفه های ویژگی ارائه شده است. نتایج حاصل از پیاده سازی ها بیانگر دقت خوب روش های پیشنهادی است.