高分辨率遥感影像的检索在计算机视觉和遥感领域都是一个十分重要的研究方向。遥感技术在国土资源管理、农业规划、救灾抢险、环境监测和城市规划等众多领域具有十分重要的应用价值和不可估量的应用潜力,是世界各国竞相发展的高新技术,可以为公众提供城市建设、环境污染、地质灾害等信息。我国是遥感大国,未来十年将发射数十颗高分辨率遥感卫星,成像的空间分辨率将达到0.3米,每天可以获取海量的对地观测遥感影像数据。面对快速增加的海量遥感影像,急需一套高效的算法来管理这些数据。本论文针对图像检索领域中的图像表达和特征编码两个核心步骤进行了研究,提出了比较具有针对性的算法,并在高分遥感影像检索中取得了较好的效果:针对高分辨率遥感影像的表达这个问题,目前大部分的方法都是在底层或者局部特征的基础上展开进行的,这些方法主要着重与研究分析特征的统计特性,而忽略了特征在高维空间的中的固有结构。本论文研究了一种基于流形嵌入的高分辨率遥感影像的表达方法,由于原始特征空间中特征分布的局限性,我们使用利普希兹平滑函数并且采用局部嵌入的方式将原有的特征映射到了新的流形空间中,然后在新的空间中做表达。这种方法将图像局部特征的空间结构关系引入了图像表达中,可以无监督地学习到更具表达能力的图像表达向量。针对高分辨率遥感影像的编码这个问题,目前主要工作都集中在哈希和量化两个方向,这些方法将原始特征转化成一串哈希码或者一串数字。本论文研究了一种形变K-means量化算法,用于做特征压缩,这种方法在K-means哈希算法的基础出上做了较大的改进,由于K-means哈希算法对数据分布的依赖比较严重,大部分情况都不能得到最优的结果,我们对原有的模型做了修改,使得中心点之间的距离逼近更加灵活,在这个基础上我们得到编码,在相同的码位的情况下,可以更加充分地保留原始向量的信息。