随着遥感图像日益增多,如何在海量的遥感图像中准确又快速地检索出用户感兴趣的图像,是目前具有挑战性而亟需解决的问题之一。基于内容的遥感图像检索(Content-based remote sensing image retrieval,CBRSIR)是一种解决该问题重要方法,成为遥感应用领域近年来研究的重点。本文首先提出一种改进的查询自适应融合(Improved query-adaptive fusion,IQAF)方法,该方法能够为不同查询图像各检索特征分配不同权重,并做到分数级特征融合。为了改善相似性度量的性能和将多特征有机的融合来提高遥感图像检索精度,本文对IQAF方法进行进一步研究,并提出了一种适用于遥感图像检索方法。该方法中查询自适应特征融合(Query-adaptive feature fusion,QAFF)算法利用特征分数曲线形状特点,能够快速、自适应地为各特征分配权重。该方法的相似性分数是一种新的相似度——图像排名相似度(Image rank similarity,IRS)。根据欧氏距离对图像特征在特定图像集的特征库中进行检索,得到查询图像的各个特征的图像排名列表,IRS相似度则是利用该图像排名列表计算得出。此外,该方法还将排名靠前的检索结果与查询图像作为查询类,计算图像库中图像与查询类之间的图像类别相似度(Image to query class similarity,IQCS),进一步提高检索精度。因此,本文方法的创新点:(1)图像排名相似度IRS采用检索结果的排名信息来衡量图像间的相似度,归一化了相似性分数,有利于分数级融合方法。(2)查询自适应特征融合QAFF算法利用特征检索分数曲线的形状实时计算权重,为不同的查询图像分配不同的权重,且独立于图像数据库,适合动态系统。(3)图像类别相似度IQCS考虑图像聚类信息,图像对查询类的相似度代替了图像对图像的相似度,挖掘同类图像间的固有属性。在两个公开的遥感数据集上进行实验,结果表明本文算法具有较好的鲁棒性,且提高了遥感图像检索准确度。