随着移动设备的不断应用和发展,图像等可视化数据的存储需求不断增大,外包图像数据至云服务器成了一种主流的趋势。在云服务器中,图像拥有者不需要在本地存储图像资源,而用户只需要获得授权就可以很快捷的获取所需的图像资源,这给用户和图像拥有者两者之间带来了极大的便利。由于图像资源隐私泄露的事件时有发生,因此安全问题同样给云服务器带来了挑战。为了保证图像的存储安全,图像资源不能直接外包给云服务器,需要将图像加密后再存储至云端,但加密后的图像检索问题是一个难题。因此如何对云计算环境下的加密图像进行高效检索,是一个极具挑战性的课题。针对云环境下的密文图像检索存在的问题,本文主要研究基于多特征融合与LSH(局部敏感哈希)的密文图像检索研究技术。本文主要贡献如下:(1)提出了基于多特征融合与LSH的密文图像检索方法。该方法首先结合深度学习,用DenseNet提取图像的深度特征,同时提取CLD(颜色局部描述符)、EHD(边缘直方图描述符)和BOW(词袋)特征,并对特征进行二值化处理。然后对四类特征进行自适应加权融合得到融合特征,并利用PCA对融合特征进行降维。最后使用局部敏感哈希(LSH)算法对融合特征构建预过滤表以提高搜索效率,并用安全的k-近邻(kNN)算法和Logistic加密方法分别对融合特征和图像进行加密。实验结果表明本文在保证图像安全的同时能有效的提高密文图像的检索精度和检索时间。(2)提出了云计算环境下基于可搜索加密的密文图像检索方法。该方法首先采用加密算子对图像的R,G,B三通道进行加密,然后,设计了一个自适应融合特征提取器,最后将加密图像和融合特征提取器直接上传至云端。云服务器通过融合特征提取器分别得到三类颜色直方图特征的权重和融合特征向量,并对融合特征构建索引。云服务器可直接比较两个特征向量之间的哈希值和欧式距离来计算图像之间的相似度。实验结果表明,本文的方法与现有的加密检索方案相比,不仅提升了外包图像的安全强度,而且提高了检索性能。