随着互联网技术与多媒体技术的快速发展,以及数字成像设备的普及,包含大量图像的数据库不断出现,大规模图像数据的应用面临巨大的挑战。图像检索技术在机器学习、人工智能和计算机视觉等领域起着重要的作用。基于内容的图像检索技术通过提取图像的特征描述符,对图像特征进行相似度计算来检索与查询图像相似的图像。如今,随着数据的爆炸式增长,以及数据维度的增加,大规模图像集中海量的数据在存储和计算上给图像检索技术带来了新的难题。近年来,基于哈希的图像检索算法因其低存储成本和快速的检索速度,在计算机视觉领域得到广泛的关注与研究。在哈希图像检索算法中,为提高检索精度,通过训练哈希函数将高维特征向量映射到汉明空间是一个关键问题。为了得到有效的哈希映射函数,提高图像检索效率,本文具体展开了如下几点的研究工作:(1)针对采用主成分分析得到映射矩阵的哈希算法,通过实数映射将原始数据映射到每一维,再将这些数据进行量化编码,然而每一维实数映射的方差不均等,导致量化误差会很大。为了避免因实数映射带来的方差及量化误差大影响,本文基于余弦相似性思想,提出一种主成分角度映射的方法,计算原始数据在每一维上的余弦映射值,在保留原有数据空间结构的同时减小量化误差。通过在公开图像集中的实验结果表明,本文提出算法在各项评价指标上要优于其他哈希算法。(2)同时针对大部分的哈希方法都是采用图像的全局特征或单一的图像特征进行哈希映射函数的训练,而忽视了图像的局部特征或其他特征,为此本文提出了一种基于图像的局部特征和全局特征相结合的哈希方法,第一步从每张图像中提取方向梯度直方图特征作为局部特征,GIST特征作为全局特征,第二步通过对两个特征向量的融合进行哈希学习得到图像的二进制哈希码。最后与采用单一特征的同一哈希算法上进行实验比较,表明本文提出的多特征方法在检索精度上取得了一定的提高。