多媒体设备的使用使得以数字图像为主的多媒体数据急剧增多。为了从庞大的图像库中检索到用户所需的图像资源,基于内容的图像检索(Content-Based Image Retrieval,简称CBIR)方案研究得到了发展。由于本地设备的内存和计算能力有限,很多用户选择将CBIR外包给云服务器完成。但是将图像内容直接暴露在云服务器上是不安全的,因此安全的CBIR方案成为了当前的研究热点。在目前大部分安全CBIR方案中,图像用户需要提取特征并建立索引,这对用户来说仍是不小的工作量。本文提出基于多表置换加密的密文图像检索方案。该方案研究从加密的图像中提取有效的图像特征,从而减少图像用户的工作量,实现安全检索。本课题的主要研究内容如下:1)针对置换加密方法不能抵抗统计攻击的问题,提出了基于多表置换加密和全局直方图检索的方案。在该方案中,首先对图像的颜色分量进行离散余弦变换(Discrete Cosine Transform,简称DCT)得到DCT系数。然后使用流加密技术、多表置换加密方法和值置乱加密方法来保护图像内容。最后从加密图像中提取出AC系数和颜色值直方图作为图像的全局特征,并建立加密图像和对应特征之间的线性索引。图像之间的相似度通过计算特征向量的曼哈顿距离来衡量。与之前方案相比,该方案在保证图像检索精度的基础上,提高了图像的安全性。2)针对加密图像检索中检索精度不高的问题,提出了基于多表置换加密和局部颜色直方图检索的方案。在明文域特征袋模型(Bag-Of-Features,简称BOF)的基础上,我们构建了能应用于密文域特征提取的加密特征袋模型(Bag-Of-Encryption-Features,简称BOEF)。在该方案中,首先使用多表置换和图像块置乱加密方法来保护图像内容。然后将图像分块,从局部图像块中提取出颜色直方图作为局部特征,并对所有的局部特征使用k-means聚类方法进行聚类,得到聚类中心,所有的聚类中心组成加密词汇本。每张图像的特征向量都用基于加密词汇本的词频直方图来表示。图像之间的相似度通过计算特征向量的曼哈顿距离来衡量。该方案提出了能应用于密文域的BOEF模型,从加密图像中提取图像的局部特征并用于检索,进一步提高了检索精度。本文通过安全性分析,证明了多表置换加密比之前的值置换方法的安全性更高;实验结果表明,基于BOEF模型的CBIR方案检索性能更好。