随着现代经济、人类社会文明的发展,信息的增长速度已经今非昔比,与此同时从海量的数据中搜索需要的数据这一常见的需求也变得困难起来。由于图像信息更为直观、易懂,随着检索技术水平的不断提高,对图像的检索需求也在不断提升。图像检索经历了基于文本的图像检索技术、基于内容的图像检索技术以及上述两者相结合的混合图像检索技术。本文针对复杂背景图像检索效果不佳的问题,提出了一种基于SIFT特征的图像相似性检索技术,并实现了最终的图像检索系统。本文主要研究工作如下：(1)阐述了多尺度图像表示的基本理论,详细分析了SIFT特征的原理和提取方法,并且对SIFT特征的平移不变性、缩放不变性、旋转不变性和仿射不变性做了详细说明,对SIFT特征提取进行实验。(2)概述了传统近邻检索方法,解析KD树的基本原理,并对添加KD树的SIFT特征近邻检索的方法做了详细分析和实验,验证了该方法的检索性能。(3)针对面向大数据库检索效率低下的问题,将文本检索领域的的词汇树结构应用于图像特征的索引建立,提升了检索速度。针对视觉词汇树建立过程中出现的无限迭代问题,提出了利用滑动窗口更改聚类中心的解决方案。(4)对SIFT特征的基本特性进行实验验证；分别对基于原始SIFT特征的图像检索和基于视觉词汇树的图像检索进行实验,分析实验数据,并给出实验结论。对图像匹配算法进行改进,以提升图像检索效果。提出了适合SIFT特征的匹配方法。实验结果表明本文提出的算法和技术方案具有较好的图像检索效果。