هدف از این پایان نامه، بررسی کارآیی فواصل متفاوت در بازیابی و طبقه بندی تصویر بر اساس ویژگی های مبتنی بر رنگ و بافت می باشد. این ویژگی ها در دو کلاسه بندیk همسایه نزدیکتر و ماشین بردار پشتیبان مورد ارزیابی قرار می گیرند. بازیابی تصویر بر اساس محتوا یکی از حوزه های تحقیقاتی بسیار مهم در زمینه ی پردازش تصویر و پایگاه داده ی چند رسانه ا ی است. هدف محققان در بازیابی تصویر بر اساس محتوا پیدا کردن ویژگی ها و تمایزهایی در تصاویر است که بتوان در تشخیص شباهت تصاویر از آن بهره برد و به نحو مناسب پرس وجوی تصویر را هدایت کرد. در یک سیستم بازیابی تصویر بر اساس محتوا،کاربر تصویر مورد نظر خود موسوم به تصویر پرس وجو را انتخاب نموده و سیستم کلیه تصاویر مشابه با آن را ازپایگاه تصاویر، شناسایی و بازیابی می کند.کلاسه بندی ماشین بردار پشتیبان یک سیستم یادگیری است و در هر سیستم یادگیری احتمال بروز خطا وجود دارد. بنابراین در این پژوهش روشی در تعامل با کاربر پیشنهاد شده است تا در صورتی که در اولین اجرای کلاسه بندی خطایی رخ دهد و یا تصویر نادرستی نمایش داده شود، در اجراهای بعدی یا تصاویر مشابه را به او نشان دهد و یا اینکه او را از عدم وجود تصویر در پایگاه داده مطمئن سازد. نتایج ارزیابی بر روی پایگاه داده کورل با دو هزار تصویر نشان می دهند بالاترین کارایی بازیابی تصویربر اساس رنگ در ماشین بردار پشتیبان به ترتیب متعلق به ویژگی های هیستوگرام رنگ، ممان رنگ و همبستگی نگار- رنگ می باشد. بهترین نتایج در بازیابی تصویر بر اساس بافت به ترتیب به ویژگی گابور، عملگرlbp و ویژگی تبدیل موجک تعلق دارد. همچنین بالاترین کارایی بر اساس رنگ در k همسایه نزدیکتر به ترتیب متعلق به ویژگی ممان رنگ، هیستوگرام رنگ و همبستگی نگار رنگ می باشد و نتایج بهتر برای بازیابی تصویر بر اساس بافت به ترتیب متعلق به عملگر lbp، ویژگی گابور و ویژگی تبدیل موجک می باشد. در نهایت با نتایج آزمایش ها می توان چنین استنباط کرد، زمانی که همه ویژگی های رنگ و بافت در تعیین شباهت تصاویر موثر بوده، سیستم قوی تر عمل کرده و نتایج بهتری را به دنبال داشته است. همچنین نتایج نشان می دهند کلاسه بندی ماشین بردار پشتیبان دارای کارایی بالاتری از k همسایه نزدیکتر است.