互联网在为人们生活方式提供极大便利的同时,也使得人们不得不面对大量冗余信息。于是信息数据量的激增,使得越来越多的文档图像需要被收集、存储以及检索,但由于大部分信息都是以文字形式存在的,所以如何准确、高效的获取到用户所需要的信息就变得尤为重要,即发展对文档图像高效、快速的检索技术变得越来越急迫。而在数字化时代,计算机无法读取纸质文档信息,只有通过众多的数字化设备将其中的文字信息转换为计算机可操作的图像信息再对图像信息进行检索才能高效快速的查找所需内容。在文档图像检索领域,之前大多采用的是基于光学字符识别(OCR)技术的方法,但因传统的OCR技术易受文档图像的质量及其字体等相关因素的影响,致使其相关检索率不是很高,于是近几年越来越多的学者采用了基于内容的图像检索方法,其作为OCR技术的替代方案,不需要经过繁琐的OCR识别,可直接对关键词进行检索,被广泛应用到了图像检索的领域内。本文从基于内容的图像检索中出发运用局部特征中的角点检测对关键字进行检索,其中对印刷体文档进行检索的同时,也为印刷体的维吾尔文提供了新的思路。总之,本文的研究工作具体如下:(1)由于相关数据较少,为验证本文算法的检索效果以及其在噪声条件下的检索率,首先构建印刷体文本图像的数据库。该图像数据集中的文本是由12880个字随机构成的,每张文本图像字数各异,所含关键字的个数也不尽相同。(2)本文首先针对原始Harris算法运行速度慢且有聚簇现象以及角点提取过程中依赖阈值设定的局限性进行了相关改进,然后使用Fast+自适应Harris的方法提取文档图像中的局部角点信息,其在特征提取时间上为0.101s,在与原始Harris算法以及SIFT算法、SURF算法进行对比时,可以明显看出实时性方面有了很大的提升,同时也增加了角点检测的准确性。(3)验证检索系统性能的稳定性。在匹配检索时,本文算法的准确率和召回率分别为98%和87.5%,之后又加入了RANSAC算法进行对比分析,剔除了误匹配点,使得匹配率得以提升。其次一方面又加入了不同程度的高斯噪声进行检索对比实验,发现随着噪声的增加,本文算法在准确率、召回率以及匹配率下,都有着较好的实验效果。另一方面也与SIFT算法、SURF算法分别进行了不同情况下的对比,在检索效果方面的召回率及准确率依然有着较好的表现。除此之外还对印刷体的维吾尔文进行了检索,利用连通区域像素点周长的方法区分关键词与误匹配词,也对以后进行大规模的维吾尔文数据库检索的研究提供了新的思路。