نمایه گذاری و بازیابی تصاویر بر اساس محتوی، امروزه به یک نیاز مهم در کاربردهای مختلف تبدیل شده است. تاکنون روشهای متعددی برای این منظور بکار گرفته شده اند. رنگ، بافت و شکل سه عنصر اصلی برای استخراج ویژگی و نمایه گذاری تصاویر بشمار می روند. یکی از این روشها همبسته نگار موجک است. در این روش با استفاده از محاسبه همبسته نگار بر روی ضرایب موجک حاصل از تبدیل موجک بر روی تصویر، عمل نمایه گذاری و بازیابی با نرخی مناسب انجام می پذیرد. پژوهش های صورت گرفته مبتنی بر این روش بر روی تصاویر طیف خاکستری و با اتکا به ویژگی بافت بوده است. در این پژوهش بنا داریم با استفاده از روش چندی سازی برداری، عنصر رنگ را نیز وارد فرآیند اصلی همبسته نگار موجک نماییم و روشی ارائه نماییم که با استفاده توامان از رنگ و بافت، عمل نمایه گذاری و بازیابی تصاویر را به نحو احسن انجام دهد. بدین منظور ابتدا روشی ارائه شده است که حاصل تلفیق همبسته نگار رنگ و چندی ساز برداری است و بر اساس همبستگی بالای بین باندهای رنگی یک تصویر، ابتدا عمل چندی سازی به فرم برداری روی تصویر ورودی اعمال می گردد و سپس با استفاده از خودهمبسته نگار، نمایه ای در حجم بسیار کم از تصویر ساخته می شود و بازیابی بر مبنای همین نمایه شکل می گیرد. نتایج بدست آمده از این روش بر روی 1000 تصویر مورد آزمایش حاکی از یک جهش قابل توجه در معیار دقت و فراخوان در هنگام بازیابی است. در این رابطه، معیار دقت به درصد کم نظیر 74.4 رسیده است و برای معیار فراخوان نیز، درصد قابل توجه 45.6 حاصل شده است. در ادامه روش دیگری ارائه شده است تا هدف اصلی این پایان نامه را محقق سازد. در این روش ابتدا به سیاق روش همبسته نگار موجک، از یک تصویر رنگی در سه باند به طور مجزا تبدیل موجک گرفته می شود و سپس بر اساس همان ایده همبستگی بالای بین سه باند رنگی که پس از تبدیل موجک نیز تا حدود زیادی نیز حفظ می شود، سه تصویر حاصل از تبدیل موجک به طور همزمان چندی سازی برداری می گردند و در نهایت خودهمبسته نگار روی مقادیر چندی سازی شده اعمال می گردد. نتایج بدست آمده از این روش بر روی 1000 تصویر مورد آزمایش در قیاس با چند روش معروف و مشابه، نشان از ارتقا کمی و کیفی در معیارهای دقت و فراخوان دارد. بطوری که برای معیار دقت به درصدی در حدود 71 و برای معیار فراخوان نیز به درصدی در حدود 44.5 دست یافته ایم. این نتایج میانگین بدست آمده از آزمایش بر روی همه 1000 تصویر در قیاس با یکدیگر است.