با توجه به کاهش هزینه ی تهیه و نگهداری تصاویر دیجیتالی و گسترش روز افزون استفاده از این تصاویر، در سال-های اخیر حجم و تعداد مجموعه تصاویر فردی و عمومی بخصوص در شبکه جهانی اینترنت، رو به افزایش نهاده است. این امر، نیاز به جستجوی تصاویر دیجیتالی را مطرح ساخته است. در این میان، جستجوی تصاویر و توسعه سیستمهایی با قابلیت بازیابی تصاویر بر اساس محتوا و مشابه درک انسانی توجه محققین را به خود جلب نموده و به یکی از موضوعات مهم پردازش تصویر مبدل شده است. از آنجا که معیار اولیه انسان برای تشخیص محتوا ویژگی دیداری است، تقریباً در تمامی این سیستم ها از این ویژگی ها استفاده شده است. در این پایان نامه، ساختاری برای پیاده سازی یک سیستم بازیابی تصاویر بر اساس ویژگی های اولیه انسانی (ویژگی های سطح پائین) ارائه می شود. در این سیستم به ویژگی های رنگ و بافت برای بازیابی تصاویر توجه می شود. به طوری که برای استخراج ویژگی رنگ از هیستوگرام رنگ، پالت مکعب استاندارد و هیستوگرام آن، و برای استخراج ویژگی بافت از تبدیل موجک استفاده شده است. در این روش برای افزایش ادراک سیستم، تصویر به دو قسمت اصلی و پس زمینه تقسیم می گردد. معیار شبیه سازی در این سیستم، ترکیبی از ویژگی های بافت و رنگ و همچنین میزان رنگ های مشترک و وجود رنگ های خاص در بعضی از دسته ها است. تصاویر مورد استفاده در این سیستم مجموعه تصاویر simplicity است که شامل 1.000 تصویر انتخابی از مجموعه تصاویر کورل بوده که بر اساس شباهت مفهومی، در ده دسته طبقه بندی گردیده است. در نهایت نیز نتایج این سیستم با سیستمی به همین نام simplicity و یک روش مشابه دیگر مقایسه شده است. نتایج آزمایش های صورت گرفته نشان می دهد که دقت این روش حدود 47 درصد و تقریباً برابر دقت روش های موجود است. در عین اینکه سرعت بازیابی تصاویر در آن 3 ثانیه است. این امر نشان می دهد که روش پیشنهادی می تواند جایگزین مناسبی برای بازیابی تصاویر مبتنی بر محتوا در موتورهای جستجوی برخط در اینترنت باشد.