随着时代的发展和互联网技术的普及，图像以其直观、方便在各行各业得到了广泛的应用。然而，图像数量不断增长给图像的组织和查询都带来了巨大困难。图像检索作为解决这一问题的重要手段得到了广泛的研究，并且成功的应用到物体识别、医疗、军事、航天、遥感分析等领域。近年来，图像库的数量激增使传统的图像检索方法在速度、准确度、内存方面变得越来越困难，研究在大规模数据下进行基于内容的图像检索具有重要意义。
　　本文针对基于内容的图像检索所要面对的问题，研究基于全局特征和局部特征进行图像检索的方法，旨在通过从图像中提取具有区分力和鲁棒性的特征描述，从大规模的数据库中检索得到用户需要的图片。该方法能应用于网络相似图像查询、版权保护、信息安全。本文围绕着全局颜色特征的提取、局部特征的提取和描述、图像特征匹配加速三个问题进行了研究，提出了分块的颜色直方图描述CTDesc(Color andTexture Descriptor),局部描述子ORB-DM( Oriented FASTandRotated BRIEF–Distance Mask)和启发式的重排序算法HEUSAC(Heuristic RANSAC)。本文的主要研究工作包括：
　　第一，本文提出了基于分块颜色、纹理直方图的全局图像特征描述子CTDesc，传统的直方图方法只考虑了图像中颜色、纹理的分布，忽略了位置信息，因此无法应对图像裁剪、图像遮挡等攻击。本文通过将图像分割为不同层次的字块，并在这些字块上分别提取颜色直方图建立分块直方图描述，该方法比传统的颜色直方图准确度更高。
　　第二，为了在图像中找到用户感兴趣的局部图像，本文应用改进的 ORB算法提取局部图像特征。传统基于比较的二进制描述子认为组成二进制的每一个比特位重要性一样，然而随着拍摄条件的改变，一些比特位容易发生改变，从而造成描述子的错误匹配。为了解决这一问题，本文提出了ORB-DM算法，实验证明，与以往的二进制算法相比，ORB-DM有更好的区分性和鲁棒性。
　　第三，本文提出了基于启发式的重排序方法HEUSAC（Heuristic RANSAC）。为了提高图像检索的准确度，几何验证是一种常用的方法。传统的方法采用随机抽样方法建立模型并进行验证，会造成多次迭代，增加计算复杂度。本文通过局部特征匹配的结果，启发式的选择最有可能是正确匹配的对应点，只需要进行一次验证。
　　本文在分析现有方法在大规模图像检索中存在不足的基础上，对分块颜色直方图 CTDesc，局部图像描述子 ORB-DM，启发式的重排序方法 HEUSAC进行了探讨。提高了图像检索的速度和准确度，为大规模图像检索提供了可以借鉴的方法，具有一定的应用前景。