本文提出了一个快速有效的图书检索系统的算法，在图像检索中，基于词袋模型的算法是传统的图像检索算法，然而这种算法存在两大缺点，首先是局部特征存在视觉单词的量化错误，影响了视觉辨别力，并且量化后的视觉单词缺乏几何关系，因此会影响检索性能。基于这两大缺点，我们提出了基于显著特征间几何关系的检索算法，首先使用显著性信息与SIFT特征结合，得到显著区域的局部特征，再将其特征量化为视觉单词，由于显著性特征过滤了冗余的特征，因此量化过程中提高了量化的辨别能力，这里提取的显著性区域是基于ITTI模型得到的，利用视觉注意系统，通过早期提出的视觉系统中行为和神经网络的启发，将多尺度图像特征与单个显著图结合，以一个动态神经网络选择显著位置，最终得到显著性区域。将得到的显著性区域与局部特征结合，并基于得到的显著性特征利用空间金字塔检索模型得到初始检索结果。这个方法通过将图像按层次的平均分割成块状区域，并计算局部在每个子区域的直方图。这个空间金字塔检索模型是一个简单计算有效的有序词袋检索模型的扩展。传统词袋模型中加入了空间关系，因此可以有效的初步提高检索的准确度，由于空间金字塔检索模型编码的空间关系关于视觉单词，并没有体现出图像特征间的空间关系，因此不能彻底的得到优化后的检索结果，因此我们又提出了几何验证的方法，对初始结果的前几幅图像重新排序，优化检索结果。本文，我们对基于显著信息的局部特征通过空间金子塔检索模型得到的前一百幅图像重排序，通过一个快速有效的几何重排序方法，将检索图像与查询图像的显著性特征进行匹配，得到的匹配特征对中特征点的位置信息存入匹配列表。然后仅仅根据匹配列表中的位置信息提出一个位置的几何相似得分方法，在检索系统中对于图像的旋转、尺度、位移都具有不变性，这里阐述了三种几何验证的算法，分别是位置几何相似得分、尺度几何相似得分、位移几何相似得分，据分析，位置几何相似得分更适于我们检索系统的几何验证算法。为了测试本文提出检索方法的有效性，我们根据显著性信息与几何验证算法在检索算法中的贡献，我们设计五种算法，并比较了五种算法的准确度与计算时间。实验表明，我们的的检索方案很大程度上改善了检索的精确度，同时为了验证我们方法的普遍性，同时选择了非图书并广大学者普遍使用的数据库进行测试。