近几十年来,在图像信息方面,网络中用户每天上传的图像数量呈现出爆炸增长的趋势。如何有效的管理这些大量的图像数据,进而建立一个图像检索系统帮助人们快速找到自己感兴趣的图像便成了一个重要的研究问题。当前主流的图像检索系统采用局部特征和词袋模型取得了较好的检索性能,其检索系统的构建主要包括如下环节:图像局部特征的提取、视觉词典的构建、图像特征编码、相似度计算。然而,由于构建视觉词典存在的量化误差以及词袋模型对空间信息的忽略制约了检索系统的性能。本文介绍了一个基于局部特征并结合视觉上下文的图像检索系统,通过一系列的技术来进一步提高图像检索的精度和效率。本文首先介绍了基于局部特征和上下文的图像检索框架;通过为特征空间采用近似K-Means建立索引以及为图像编码建立倒排索引来提高整个检索系统的效率;比较了图像间不同匹配方法在速度和性能上的差异;接着分析比较了视觉上下文中的传统的和改进的弱几何一致性在图像检索中的差异;最后实现了一个基于传统方法和本文改进方法的一个图像检索系统。本文的主要贡献包括:1.设计并实现了一个基于局部特征和视觉上下文的图像检索系统,针对当前图像检索系统的不足,融合了汉明编码以及视觉上下文信息进行重排序提高检索的精度,并使用近似K-Means和倒排索引技术来提高检索的响应时间。2.比较了最近邻和近似K-Means方法在视觉词典上的查找差异,实验表明于近似K-Means方法在检索精度下降不到1%的情况下其速度上提高了100多倍,倒排索引技术成倍的提升了检索时间。3.分析比较了图像之间的几种匹配算法,包括蛮力匹配、基于视觉词典、汉明编码的匹配,实验表明蛮力匹配虽然性能较好,但是需要耗费大量的检索时间,而基于视觉词典的图像匹配采用了近似K-Means建立的索引以及汉明编码的结合能够很好的平衡精度和速度问题。4.分析比较了几种视觉上下文方法,包括弱几何一致WGC、加强的WGC、空间编码GC、强几何一致SGC、结合汉明码的WGC、及本文改进的M-WGC、M-EWGC、M-GC、M-HeWgc等。实验表明本文改进的方法都获得了检索精度的提高。