随着互联网时代下各种新兴智能设备和社交媒体的大规模普及,图像的数量呈几何倍数地增长,图像检索技术作为从海量的图像数据库中快速精准地匹配到所需要的图像,近年来正成为多媒体领域研究的热点,在社会各行业领域都有着广泛的应用。随着云计算的兴起和发展,越来越多的用户为了节约存储和计算成本,将图像数据的计算和存储外包给云计算正成为当下主流的方案。然而,图像可能包含大量敏感信息,云服务器总是不可信的。直接外包可能导致数据泄露,并引发隐私和安全问题。为了保护图像数据隐私泄露,用户选择外包图像之前对数据加密,再将加密过后的图像数据存储到云端。然而数据加密技术通常会导致图像数据失去了明文特征和数据之间的关联性,影响图像检索的精度和效率。同时现有的关于安全图像检索的研究主要集中在诚实但好奇的模型上,然而,由于各种原因,包括软件/硬件故障、黑客攻击,甚至公司不诚实,这种假设可能并不总是成立,云服务器有可能将不完整或者是错误的检索结果返回给用户。这就需要图像所有者构建精心设计的验证数据结构对图像检索的相似度计算过程进行验证。因此,加密图像检索中的支持结果验证面临很大的挑战。本文研究的是在云服务器上实现加密图像检索计算过程的可验证问题,同时提高图像检索的效率与精度。为了解决上述问题,本文的研究工作如下。（1）通过加密的球树提出了一种高效且保护隐私的图像检索方案。为了保护提取的特征,采用可逆矩阵对作为密钥来加密特征向量以计算欧几里得距离相似度。它使我们的方案能够实现高效且精准的加密图像检索。并且可以通过适当的球树参数设置来建立可扩展的索引。（2）在加密球树的基础上结合默克尔哈希树和布谷鸟过滤器设计了一种双层可验证索引结构。采用这种索引结构不仅可以提高搜索效率与精度,在返回检索结果的同时还能返回相应的密码学证明,对图像检索的计算过程进行验证。（3）本文对可验证加密图像检索方案进行了安全性分析。安全性分析结果表明,提出的方案在不可信云服务器模型中是安全的。另外,本文给出了方案的具体实现,并且通过真实数据集验证了我们方案的可行性。