卷积神经网络(CNN)在图像分类、目标识别等众多领域取得巨大的成就。已有一些遥感图像检索方法利用CNN特征进行检索图像,但这些方法只利用了CNN的特征提取能力,而忽略了CNN的强大的分类能力。同时,目前的遥感图像检索技术,大都是通过对整个图像数据库进行遍历匹配以找到所需图像,这样的图像检索方法存在检索范围过大,检索时间长,检索效率低等问题。因此,如何帮助用户从海量的遥感图像中高效地检索出与查询图像类别相似甚至相同的检索图像成为现今遥感图像检索领域亟需解决的问题。针对遥感图像检索方法中存在的问题,本文提出了两种新的遥感图像检索方法:(1)本文提出了一种基于权重距离的遥感图像检索方法,该方法根据查询图像的类别概率为检索图像分配不同的权重,并将该权重与特征距离相结合,从而提高检索精度。(2)在方法一的基础上,本文提出了一种模糊分类方法,将查询图像的分类置信度模糊分为高置信度、中置信度和低置信度三个类别,对于不同的类别确定不同的检索图像检索范围,从而减少检索范围,降低检索时间,本方法能够在保证检索精度的前提下大大降低时间复杂度。本文主要创新如下所示:1.基于权重距离的遥感图像检索方法充分利用了CNN的特征提取能力和分类能力,是一种简单有效的遥感图像检索方法。2.本文研究出一种利用查询图像的分类置信度确定检索范围的方法,通过该方法可以大大减少检索范围,提高速度。