在大数据时代,每时每刻产生的大量图片、视频等信息,极大地增加了本地存储的开销。因此通过数据外包的形式将此类多媒体信息存储在云端能够缓解本地存储的压力,这也是当前云存储的主要业务之一。然而,将数据存储在不受控制的云平台存在信息泄漏、黑客攻击等安全隐患。为保护数据的安全性,通常采用数据加密、完整性验证等方法。但是,现有针对加密数据的检索的方法普遍存在检索精度低、速度慢、抵抗统计攻击弱等问题,因此,本文以加密图像检索为研究对象,针对图像特征提取方法、加密特征匹配模型、密文图像索引结构等方面展开研究。本文的具体研究内容包含以下几个方面:（1）提出了一种基于机器学习的密文特征向量相似度拟合模型。为保护图像信息,本文将加密后的特征向量作为索引和检索的依据。为提高密文特征向量的检索精度,本文分别使用支持向量机回归（SVR）及BP神经网络对加密后的特征向量进行训练,从而缩小加密前后图像特征向量相似度之间的误差,得到加密图像特征向量的相似度拟合模型,在保护图像特征向量安全性的情况下提高了加密特征向量相似度的匹配精度。（2）提出一种结合二叉树索引与顺序索引的密文图像快速索引结构。使用Kmeans聚类算法对图像进行分类,并以“类”为叶节点通过多次迭代构建二叉索引树。在叶子结点内部构建结合图像标识符与加密特征向量的顺序检索结构,在保证图像数据的安全性的同时也提高了检索速度和准确率。（3）构建加密图像检索系统,通过引入代理服务器支持多数据属主的图像外包,并完成加密特征向量相似度拟合模型的训练,在扩展加密图像检索系统的功能的同时减轻数据所有者与用户的计算与存储压力。最后,通过理论和实验验证了本文研究算法在安全性、检索效率、系统开销等方面都具有较好的性能。