随着科技的蓬勃发展,一些基于内容的图像检索(CBIR)方案被提出来以高效使用图像内容。然而图像数据量大,用户依靠自身存储和搜索图像变成困难。伴随着云计算的发展,用户可以将工作外包给云服务器。然而,明文图像直接外包给云服务器可能泄露一些隐私信息。于是,针对密文CBIR的研究应运而生并取得了一定的成果。但是,这些研究还存在一些问题,比如加密可能泄露图像信息,或者图像检索的效果不理想。本文在提取加密图像特征的基础上,研究了基于随机映射和基于深度学习的加密图像检索方案。减轻了图像用户的负担,在保护图像安全的同时支持图像检索。本文的研究内容如下所示:1)提出了基于随机映射的加密图像检索方案。已有的加密图像检索方案使用的加密方法可能并不安全,比如值替换可能泄露图像的部分信息。为了增强图像安全,对明文图像进行分块后使用高级标准加密(AES)和块置换进行加密。使用随机映射的方法提取图像的局部特征,特征的维数由随机模板的数量决定。考虑到特征值差距过大也可能影响检索效率,使用激活函数来约束特征值的范围。之后,通过词袋(BOW)模型从加密图像中提取特征来表示图像。最终,计算特征之间的曼哈顿距离来比较图像的相似度。实验证明,AES和块置换加密增强了图像的安全性,从加密图像中提取随机映射特征也能够检索到相似的图像。2)提出了基于深度学习的加密图像检索方案。大多数方案中的图像加密是在空间域进行的,像素之间的依赖关系可能被破坏,从而加密后的图像不能很好地压缩。通过流加密和置乱加密来加密JPEG图像,可以在保护图像内容的同时不引起图像存储空间的扩展。从加密图像中解析出中间数据,提取可变长整数(VLI)编码来构造矩阵。通过神经网络强大的学习能力构建深度学习框架,分析加密图像中的信息并提取特征。最终,使用特征之间的欧式距离检索相似图像。方案确保了JPEG图像的隐私安全,在检索精度方面也取得不错的效果。