航空旅客的行李运输是构成民航旅客运输的重要组成部分。机场每天会产生大量的行李数据,随着客流量的加大,不正常行李数量也与日俱增。如何有效管理众多不正常行李成为机场和民航相关单位亟须解决的问题。本文根据北京国航全球行李服务中心的实际工作需要,开发了机场行李查询系统。行李查询系统的研发,对于提高行李查询工作效率,减少成本,提高国航的信息化管理水平,具有重要意义。本文针对现有World Tracer行李查询系统存在的不能使用行李图像查询的问题,将基于图像特征融合的行李图像检索作为研究重点。为提高检索效率,提出了先对行李图像分类再融合图像特征进行检索的方案。本文介绍了相关理论知识和技术,重点探讨了图像分类和基于内容检索的技术。首先使用深度卷积神经网络Alex Net和Soft Max分类器对机场行李图像进行分类,然后在分类的基础上,分别研究了基于颜色、形状和纹理等单特征和融合特征的行李图像检索方法。深入分析了图像检索过程中的特征选择、特征提取、特征向量生成、特征融合及相似性匹配等问题,提出了基于分类和特征融合的图像检索方法（C-F算法）。C-F算法先以颜色为特征对行李图像库进行筛选,从相似性测度层面以最优权重融合了形状和纹理特征,然后在筛选后的行李图像库中检索。实验结果表明,C-F算法比基于单特征的图像检索有着较高的查准率和查全率。以基于图像分类和特征融合的C-F算法为核心开发完成了机场行李查询系统。系统具有用户管理、行李信息上传、行李库管理、行李查询和统计以及系统帮助等六大功能。系统测试结果表明,机场行李查询系统界面美观,使用方便,功能符合预期结果。系统弥补了World Tracer在图像检索方面的空白,有效提高了不正常行李的查询及管理效率,减少了管理成本,实现了机场行李查询及管理的信息化。