随着卫星遥感影像技术的快速发展以及互联网的普及,高分辨率遥感图像变得越来越容易获取,同时促使遥感图像的数量在近年来得到爆炸式增长。面对大规模的遥感图像数据,如何快速检索所需的遥感图像,是当前数字地球系统建设过程中亟须解决的问题。在数据检索任务中,使用深度神经网络提取的深度特征比使用传统方法提取的手工特征有着更好的检索效果。然而,计算高维连续深度特征之间的相似性距离需要花费大量时间。为了又快又准的进行数据检索,基于深度哈希的方法被提出。根据对遥感图像查询数据模态的不同,本文主要使用深度哈希技术对单模态的基于内容的遥感图像检索以及跨模态语音—遥感图像检索任务进行研究。本文的主要工作及贡献如下:（1）介绍深度神经网络的工作原理及其应用;总结了深度哈希算法的一般框架,并对经典的单模态深度哈希检索方法与跨模态深度哈希检索方法进行概述;简述关于遥感图像的单模态检索与跨模态检索的研究,并分析当前研究中所存在的缺点与面临的挑战。（2）在单模态的基于内容的遥感图像检索任务中,针对遥感图像特征表达不充分,提取的深度特征易受到无关背景信息干扰,进而降低所生成哈希码区分度的问题,提出了一种基于注意力的遥感图像哈希检索方法。该方法采用了一个兼顾遥感图像通道与空间信息的注意力机制,提取遥感图像中更具有区分度的视觉信息;嵌入一个哈希层,针对离散哈希码进行优化训练;在检索阶段,引入类别信息作为海明距离度量的权重,进一步提升检索精度。经过实验验证,提出的方法可以取得先进的检索效果。（3）在跨模态语音—遥感图像检索任务中,为了构建语音与遥感图像之间的对应关系,并减小语音与图像之间的语义鸿沟,提出了一种基于重排序的语音—遥感图像哈希检索方法。所提出的方法首先将语音与遥感图像映射到统一的特征空间;接着设计一个语音—语音哈希检索网络,为查询语音检索多个语义相似的语音;最后使用语音—图像哈希检索网络为每一个检索到的语音找到语义相似的遥感图像,并将出现频率最高的遥感图像作为最后的检索结果。通过在两个跨模态遥感图像数据集上的大量实验,验证了根据提出的方法检索到的遥感图像可以具体的反映出查询语音的内容。