在传统的线上衣服购物场景中,用户在搜索商品时需要输入关于衣服商品的特征描述关键字。由于关键字描述能力的局限性,这种方式下系统搜索到的商品往往和消费者的意图不匹配,而且关键字输入也给用户体验带来不好的影响。特别是在移动互联网的场景下,移动终端能够很方便获得期望商品的外观图像。如果系统能够直接根据移动终端获取的图像完成搜索,做到所见即所得,则无疑会给线上购物带来巨大的便捷。基于以上的应用背景,本文开展了基于移动终端的衣服图像搜索算法设计与应用开发研究。针对移动搜索系统的能耗限制和网络传输时延以及搜索精度和速度问题,主要完成了以下工作:首先采用视觉词汇树来提高单词量化效率,视觉词汇树通过将视觉词典组织成树状结构将量化的计算复杂度降低到对数级别,以降低移动端量化过程的能耗。同时,利用衣服图像的视觉单词向量的稀疏性特点,降低系统的网络传输负载,提高系统响应速度。针对搜索精度和速度,本文基于乘积量化思想提出融合衣服图像的纹理和颜色视觉词典的融合索引搜索算法提高搜索系统的搜索性能。由于算法中衣服图像的视觉词典是通过对两种视觉词典进行笛卡尔乘积得到,它通过两个规模较小的视觉词典构造得到单词空间较大的融合词典,因此相比于传统的单倒排,融合索引具有更强的表达能力。除此之外,由于融合索引将两种视觉单词融合到一个视觉词典中,因此可以避免对多种单词分别建立倒排索引,有效提高搜索效率。最后,基于融合索引算法,针对衣服单词向量的特点,借鉴文本搜索中的TF-IDF(Term Frequency-Inverse Document Frequency)技术来对视觉单词向量进行优化,提高单词向量的辨识度。同时,结合衣服单词向量特点,采用余弦相似度计算方法克服融合视觉单词向量维度过高带来的高计算复杂度问题。本文通过一系列实验对算法进行了分析验证。首先基于具体衣服图像数据集对单词向量构造算法进行性能比较,验证单词构建算法的能耗和搜索精度性能。然后对融合搜索算法进行了仿真实验分析,分析了不同规模视觉词典下的搜索性能,并验证了融合索引相对多级索引在搜索速度上具有较好的性能。最后,本文基于智能手机对衣服搜索系统进行了实现,通过比较实验验证了基于颜色纹理视觉单词和融合索引搜索算法的衣服图像搜索系统具有低延迟、低能耗、高效率等实用性特点。