随着计算机和互联网技术的快速发展,以及图像采集设备的广泛应用,数码图像的数量呈现爆炸式的增长。在数量巨大的图像中存在大量近相似的图像,近相似图像的检索具有广泛的应用前景,比如:互联网上的艺术作品版权侵犯检测、检测新的商标是否与已存在的商标相似或者相同、用商品图片检索类似的商品以及在检索时排除相近或者相同的结果,以保持搜索结果的多样性等等。近年来,近相似图像检索逐渐成为图像检索的一个重要分支,受到越来越多的关注。本文首先介绍了近相似图像检索的基本原理和关键技术。图像检索的经典方法采用局部特征加上词袋模型,但词袋模型仅仅是使用了局部特征的描述子,而没有使用局部特征的几何信息,如:尺度、角度、坐标。本文主要研究的内容是利用局部特征点的几何信息来提高近相似图像检索的精度,并提出了三种算法。首先提出了一致性引导的去除多重特征点匹配的方法,考虑到正确的匹配通常会有更多匹配在变换参数上和它一致,该方法将参数空间进行均匀划分,每次从稠密的区域选择一个保留的匹配,再去除和它冲突的匹配,通过不断迭代来去除多重匹配。该方法能够去除很多的错误匹配,可以作为其它几何校验方法的预处理步骤来提高它们的检索精度。传统的几何交验基于变换参数空间的直方图,这可以看成是一种比较粗糙的密度估计方法。本文提出了一种基于霍夫空间核密度估计的几何校验方法,将密度作为匹配的得分用于相似度的计算,实验表明该方法能提高近相似图像检索的精度。最后,本文提出了一种基于几何信息的局部特征编码方法,将各特征点在其尺度和角度空间中的相对位置关系进行编码用于图像检索,实验表明该方法能够提高图像检索的精度。