现有的图像检索技术主要有基于文本的图像检索和基于内容的图像检索两类。这两 类检索技术分别单纯运用其高层语义特征或低层视觉特征进行检索， 有其一定的局限性。 本文 提出了一种基于多媒体信息融合的图像检索方案， 利用语音识别对图像信息进行检索， 既可以 提高检索系统的性能， 又可以减少用户眼和手的负担， 在图像检索领域里将有其广泛的应用前 景。