从图像数据中提取出的高维特征给构建高效的图像索引带来了很大的困难。通过语义哈希索引思想来构建图像索引是一种有效的解决方案。但是传统基于语义哈希索引思想的索引算法在构建图像索引的过程中忽视了图像蕴含的丰富的结构化信息,即图像特征之间的关联性以及图像局部区域的重要信息。在人脸识别应用中,非负矩阵分解方法说明了利用图像蕴含的结构化信息能有效地提高图像相似度分析的效率。本文受非负矩阵分解等方法的启发,考虑到图像蕴含的结构化信息对构建图像索引的帮助,本文将结构化稀疏主成分分析法引入传统的谱哈希索引算法中,使得在图像索引编码过程中能保持图像蕴含的结构化信息,并提出了结构化稀疏谱哈希索引算法。该算法不仅保持了原始图像数据蕴含的结构化信息,而且使得视觉特征相似图像之间的汉明距离保持最小在此基础上,本文还将Boosting SSC算法引入结构化稀疏谱哈希索引算法中,从而对不同的数据集求取适合该数据集的阈值,使得结构化稀疏谱哈希索引算法能适应不同数据集上数据的真实分布情况。本文在不同输入类型的图像数据集上对比了结构化稀疏谱哈希索引算法和其他语义哈希索引算法。实验结果表明,本文提出的索引算法普遍优于位置敏感哈希、受限玻尔兹曼机、谱哈希和稀疏谱哈希等索引算法。