基于内容的图像搜索是经典的计算机视觉问题。作为一种多媒体搜索技术,它可帮助用户在海量数据库中寻找相似图片、获取图片相关信息,还可以整理数据库、去除重复图片等。图像的表达在图像搜索系统中扮演关键角色,直接决定了搜索系统的时间、空间效率和搜索的准确性,然而,现有的图像表达方式依然不能很好满足图像搜索的需求。因此,得到高效准确的图像表达是一项有意义、有挑战性的工作。本文围绕“图像搜索中的紧凑表达”一题,介绍了三方面研究工作。第一是基于稀疏编码的特征聚合方法。作者用稀疏编码作为特征聚合方式,图片局部特征编码后合并聚合为定长向量,以定长向量作为图像的表达。这是该方法首次用于图像搜索问题。第二是优化乘积量化方法,乘积量化方法是近年来提出的向量量化和最近邻搜索方法,它的核心思想是将全空间量化转为子空间量化,将全空间量化码书转为子空间码书的笛卡尔积。作者优化了乘积量化的空间分解方法：通过联合优化空间分解和码书,大大提高了乘积量化的量化效果。优化的乘积量化方法进一步压缩了图像表达。第三是乘积稀疏编码。稀疏编码用于图像搜索的表达时,编码速度非常关键。本文提出“乘积稀疏编码”的方法加速编码,该方法也采用了子空间方法,通过定义全空间编码码书为子空间的码书的笛卡尔积,将全空间编码问题转换为子空间编码问题,从而大大降低了编码复杂度。文中各种定性和定量实验证明了三个工作的有效性,以及它们对图像紧凑表达的正面作用。