航空旅客在利用自动化智能化行李托运设备办理业务时可保存行李图像与旅客身份信息,这些信息可作为发生行李丢失时的找回依据。丢失航空行李找回是提升民航业服务满意度的重要工作,利用行李图像进行检索是计算机视觉领域的大规模图像检索任务,其核心是寻找适合的图像表达方式和相似性度量准则。针对哈希检索在航空领域的应用,研究民航旅客行李的找回方法,提出基于深度哈希模型的检索方法,提高旅客行李丢失后找回的成功率。主要工作如下:提出了基于SEEDS与Graph Cut算法结合的行李图像分割算法。在航空行李检索任务中,图像往往包含背景噪声的干扰,为消除噪声对检索效果的影响,提出采用双边滤波算法对SEEDS的分割效果进行改善,在保留图像内容轮廓信息的同时消除局部细节的影响,减少对图像的过度分割,提升预分割超像素块轮廓的规则性。再结合基于能量优化的Graph Cut算法对超像素进行分类,分割出行李区域与背景区域。实验证明所提出方法对航空行李图像分割的有效性。设计一种基于深度学习的哈希函数。采用以图搜图的方法进行行李查找,要在满足检索精度要求的基础上尽量减少时间消耗,参考哈希方法在图像相似性检索任务中的应用,分析三种哈希函数的设置方法,结合行李图像检索任务特点,学习保留有航空行李图像相似性特征的哈希编码,在保留图像相似性的同时采用哈希检索可提高检索速率。研究相关反馈技术在图像检索任务中的应用。将人对检索目标的理解融入到检索系统中有助于更准确地找到目标行李图像,在航空图像检索中加入反馈信息,通过将用户对利用特征编码检索结果的主观意见反馈到系统中,修改检索参数,获得更符合用户主观意见的检索结果。