با توجه به گسترش رسانه های عکس برداری و افزایش روز افزون تصاویر دیجیتال بر روی اینترنت و مجموعه تصاویر، ذخیره، سازمان دهی و جستجو بر روی تصاویر از اهمیت بالایی برخوردار است. در این تحقیق، روشی جدید از انتخاب نقاط تصویر و استخراج ویژگی ها برای بازیابی مبتنی بر محتوای تصویر معرفی شده است. روش مطرح شده می تواند به منظور جستجو و بازیابی تصاویر با شرایط روشنایی مختلف به کار گرفته شود. راهکار ارائه شده، یک روش بدون ناظر و بر پایه قطعه بندی و شاخص گذاری خودکارتصاویر است که بر روی انواع تصاویر ناهمگون و بدون برچسب قابل اعمال می باشد. این روش همچنین نسبت به شرایط مختلف تصویر از قبیل هر گونه چرخش و روشنایی مقاوم است. روش ارائه شده شامل دو مرحله آموزش و بازیابی است. در مرحله آموزش، ابتدا تصویر با استفاده از الگوریتم خوشه بندی mean shift قطعه بندی می گردد، سپس نقاطی از قطعه ها به منظور استخراج ویژگی انتخاب می شوند. این نقاط با استفاده از الگوریتم k-means به k کلاس خوشه-بندی می شوند. سپس تعدادی نقطه نیز از کل تصویر انتخاب و ویژگی هایی از این نقاط استخراج می شود. در نهایت، یک دسته بند 1-nn برای ایجاد پایگاه داده شاخص گذاری شده و ترکیب این نقاط به کار گرفته می شود. در روش دیگری از انتخاب نقاط جذاب توسط توصیف کننده sift در مرحله آموزش استفاده شده است. برای ارزیابی این روش، از پایگاه داده ی تصاویر zubud و coil-100 استفاده شده است. معیار های ارزیابی و مقایسه با روش های دیگر، نشان از کارایی بالای روش ارائه شده دارند. به طوریکه نرخ بازشناسی برای اولین تصویر بازیابی شده بر روی مجموعه تصاویر zubud 96.43% و coil-100 98.72% به دست آمده است.