بازیابی تصویر مبتنی بر محتوا (CBIR) ،فرایند جستجوی تصاویر دیجیتالی در یک پایگاه داده ی بزرگ مبتنی بر خصوصیات است همانند رنگ، بافت و شکل یک تصویر جستجو (پرس و جو).همانطور که تصاویر زیادی با تغییر شکلها فشرده میشوند، ساخت بردار خصیصه  به طور مستقیم در حوزه ی تغییر شکل ،یک موضوع بسیار رایج است.بنابراین، خصوصیات ممکن است به طور مستقیم از تصاویر موجود در فرمت فشرده استخراج شوند ،برای نمونه با استفاده از تبدیل کسینوس گسسته (DCT) برای تصاویر فشرده ی JPEG هم چنین بازیابی تصویر مبتنی بر منطقه (RBIR) توجه زیادی را در سالهای اخیر به خود جلب نموده است.این مقاله ،یک رویکرد RBIR را با استفاده از تبدیل کسینوس گسسته سازگار با شکل (SA-DCT) ارائه میدهد.در این سیستم بازیابی، یک تصویر دارای یک صفحه ی آلفای قطعه سازی قبلی است، که دقیقا به صورت MPEG-4 تعریف میشود.بدین ترتیب، یک تصویر با مناطق قطعه سازی شده نشان داده میشود، هر یک از آنها به یک بردار خصیصه   مشتق شده از ضرایب DCT و SA-DCT وابسته است.کاربران میتوانند هر منطقه ای را به عنوان تم اصلی تصویر جستجو انتخاب کنند.شباهت بین یک تصویر جستجو و هر تصویر پایگاه داده ای، طبق یک سنجش شباهت یکسان رتبه بندی میشود که از مناطق انتخاب شده بین دو تصویر محاسبه میگردد.برای این تصاویر بدون اشیا و مناظر ممتاز و مشخص، کاربران میتوانند هم چنان کل تصویر را به صورت شرایط جستجو برگزینند.نتایج آزمایشی نشان میدهد، رویکرد پیشنهاد شده میتواند اشیای اصلی را شناسایی نماید و اثر زمینه را در تصویر کاهش دهد و بنابراین کارایی بازیابی تصویر را در مقایسه با یک CBIR متداول مبتنی بر DCT بهبود بخشد.