随着计算机和互联网技术的发展,图像采集终端的多样化普及化,越来越多的文档以图像的形式被收集和处理。设计合适的文档图像处理系统以面对不断增长的文档图像数量,成为研究的热点。文档图像的分类与检索是文档图像处理中的关键任务。本文围绕文档图像的分类与检索展开深入研究,主要工作如下:1)提出基于卷积神经网络(Convolutional Neural Network,CNN)和支撑向量机的文档图像分类方法。利用CNN从底层像素中获得高层视觉特征,结合支撑向量机进行文档图像分类任务。参考很多学者将深度卷积神经网络应用到不同机器视觉领域的做法,本文选用三种经典卷积网络结构,在两个样本数不一的开源数据集上测试。实验表明该分类方法具有良好的表达能力,并且能方便地在不同类别数据集间进行迁移。2)提出基于CNN和层次K均值树算法的文档图像检索方法。利用CNN从原始像素中获得抽象特征,采用主成分分析(Principal Component Analysis,PCA)算法进行特征降维,所得特征作为文档图像的索引特征。检索阶段采用近似最近邻搜索的方法,提高对大型数据集的检索效率。实验证明该检索方法能达到更高的查准率和更少的检索时间,具备较高的实际应用价值。实验结果表明,本文采用的基于卷积神经网络的方法性能优异,分类的准确率和检索的查准率均能满足现有需求。