随着计算机技术和多媒体技术的迅猛发展,数字图像成为了人们进行交流的一种重要手段。数字图像包含着丰富的内容,更能满足人们对于信息多样化的追求。因此,图像的数量也以每天数以亿计的速度增长。如何从难以计数的图像中获取个人所需的图像成为了计算机领域的一大难题,由此诞生了图像检索技术。起初的图像检索技术是基于文本的。基于文本的图像检索需要人工对图像添加标签,具有主观歧义性、耗费人力的缺点,因此难以满足在如此庞大的图像库中进行检索的需求。而基于内容的图像检索是从图像本身提取特征,以接近人类视觉感官的方式来描述图像。这些特征更加全面地描述了图像,能够更好地应用于图像的匹配和检索,因此基于内容的图像检索成为了近年来的研究热点。本文对图像检索技术进行研究,为提高VLAD特征检索能力,主要完成以下工作:1.SIFT(Scale-invariant feature transform)特征是最为常用的图像特征之一。而BOF(Bag of features)特征是最为经典的特征之一。但是BOF算法在转化为视觉单词时损失了大量信息,因而其检索能力有所下降。而VLAD(Vector of locally aggregated descriptors)特征在BOF算法的基础上保留大部分信息,所以其检索能力优于BOF算法。本文对以上三种算法进行细致地研究,并对三者加以实现。2.VLAD算法是近年来的研究热点,大量的研究学者都对VLAD算法进行研究和改进。本文统计近年来针对VLAD算法的多种改进方法,对这些改进方法进行分类,并总结其优缺点。3.熵是热力学中表征物质状态的参量之一,其物理意义是体系混乱程度的度量。在图像处理领域中这一概念已被多次地成功使用。通过对VLAD算法的研究发现,VLAD特征不具备局部特征的空间位置信息。这一情况可能导致VLAD特征检索能力的下降。本文提出基于空间分布熵改进VLAD的概念。提取SIFT描述子的位置信息,利用熵的概念对属于一个聚类的局部描述子的空间分布信息进行描述,并将空间分布熵添加到传统的VLAD特征中。大量实验结果表明,空间分布熵的添加能明显提高VLAD特征的检索能力。4.本文结合多种对VLAD特征的改进方法,对添加空间分布熵的VLAD特征的有效性进行验证。实验结果表明,在添加空间分布熵的基础上,结合多种改进方法能进一步提高VLAD特征的检索能力。