随着云计算、社交网络等新应用的不断涌现，网络上的图像呈现爆炸性的增长，在各种图像/视频数据中，尤其是社交网络产生的海量数据中，包含了各种各样的用户隐私信息，这些隐私信息的泄露将会造成严重的负面影响。因此，如何从中高效、快速地检索出用户所需的图像信息，同时保证图像信息的安全，已经成为目前图像检索领域的一个研究热点。图像加密是一种保证用户隐私数据机密性的重要技术手段。很显然，现有的图像检索技术无法对加密后的图像直接进行检索。因此，如何将图像加密与图像检索联合起来进行设计，在保证用户信息安全的同时，不牺牲图像检索的性能，是本论文的研究重点。基于内容的图像检索（CBIR，Content-Based Image Retrieval）是一种主流的图像检索技术，是目前国内外研究者广泛关注的研究热点。为此，本论文基于CBIR检索框架，根据Paillier同态加密算法的性质，提出了基于同态加密的图像安全检索技术。　　本研究首先实现了一种基于内容的图像检索方法。该方法提取图像的颜色直方图、灰度共生矩阵和Zernike矩等低层视觉特征来描述图像的内容。考虑到图像特征向量维度过高以及高维空间存在的“稀疏性”，会增加相似度计算的复杂度、降低检索的性能，本论文选用保局投影(LPP，Locality Preserving Projection)降维方法对这三类特征分别进行降维。为保证特征向量在相似度度量之前的权重相同，采用高斯归一化方法对特征向量进行归一化，将三类特征合并为一维特征向量，对图像内容进行描述。最后通过特征向量间的相似度度量，来衡量图像库中图像与查询图像的相似程度。实验结果表明，经过LPP流行学习降维后的检索，在保持与原始特征基本相当的检索性能情况下，特征相似度比对所需的计算复杂度可以降低66.51％左右，有效地提高了检索的效率。其次，提出了基于同态加密的特征保护及相似度度量方法。首先根据同态加密的性质，选用Paillier同态加密算法，对整数化后的特征进行保护。利用Paillier算法的同态特性，直接在加密域中完成特征间距离的计算。然后，利用“最高比特位值”原理，在不解密的情况下，经过多轮通信，完成加密域的相似度度量。根据加密域的相似度度量结果，返回前K幅相似图像，实现加密域的图像检索。最后，基于上述研究成果，提出了一种基于加密域的图像安全检索方法。从检索性能、安全性分析、计算复杂度分析和通信代价等四个方面，对本论文提出的加密域图像检索方法进行评价。实验结果表明，本文提出的加密域图像检索方法能够在不影响图像检索性能的同时，有效地保证图像信息的安全性。