结论
基于内容的图像检索技术是图像检索领域的新的方向，而基于感兴趣区域的图像检索则是其中的一个非常重要的组成部分。用感兴趣区域的特征描述图像的内容，既利用了区域的局部特征，又考虑了区域在重要程度上的差别，可以更准确的概括图像的内容，这种方法正受到人们越来越广泛的关注。
在基于感兴趣区域的图像检索系统中，图像分割是一个公认的难点，也是一个基于感兴趣区域的图像检索系统的一个非常重要的组成部分，图像分割在检索效果方面起了很重要的作用。本系统利用KFCM方法对图像进行分割。从实践的效果来看，分割的效果很好，可以准确的把图像中的具有特殊意义的不同区域分开来。
在检索过程中，对感兴趣区域利用颜色特征进行检索，实验结果表明，当图像是区域较明显的图像时，取得的检索效果较好。但，当图像中的区域不是很明显时，检索的效果不是很好。
需要改进的地方以及将来进一步的工作：
⑴检索效果方面，在图像检索中，应综合利用图像的各种特征进行检索，这样，可以对方面的图像进行处理，检索的效果也更令人满意。
⑵索引方面，由于数据库较小，在系统实现过程中没有对数据库建立索引。然而，在具体的大型图像库里，图像的数量非常多，如果，没有合理，高效的索引技术，在检索速度方面，将很难达到实际的要求。所以，对大型图像库应建立高效的索引结构，实现对图像库快速的检索。比如，建立树型索引结构，以实现对大型图像库的检索。
⑶相关反馈，有效的相关反馈技术允许用户实时的修改查询策略，为图像检索系统增加自适应功能，改善检索的效果。本文是认为的设定了每个区域的权重，这样，如果是用户感兴趣的区域包含了两个以上的物体或分割后的区域，检索效果不是很理想，在以后应对程序添加功能，可以人为的指定每个区域的权重，以得到更好的检索效果。