随着全球经济的快速发展,商标的数量逐年膨胀,商标检索已经成为图像应用领域的一个研究热点。快速性与准确性是设计基于内容的图像检索系统时两个最重要的问题。考虑到现有的商标检索方法在图片发生位置、视角、尺度、光照等变化时难以识别的问题,为了使优秀的图像识别算法与商标检索应用有效结合,本论文将图像局部特征提取算法应用到商标检索系统中。但传统的图像局部特征算法亦有其缺点,从单幅图片就很可能提取几百个局部特征,而且每个局部特征均是由上百个元素所组成的高维向量,会在进行特征匹配或图像检索时带来极大的运算负荷。为了加快图像局部特征算法的计算速率与匹配速度,同时保持其准确率,本论文提出了一种图像局部映射二进制串描述符算法。它通过映射的方法将图像的局部区域转化成二进制比特串,降低特征向量的维度与存储空间,从而加快其计算效率与匹配速度,并通过机器学习的方法,构造合理的数学模型,选择合适的图像训练库,求解最佳映射矩阵参数,从而保持其准确率。从实验结果表明,只需32比特的二进制串就可以在准确率上达到现有的局部描述符算法的效果,加快特征提取的计算速度,并在特征匹配速度上有巨大的优势,适合于应用在商标检索系统中。本论文还提出了一种权值相似度计算的方法,与局部特征算法相结合,并通过测试图片库来训练系统的权值参数,提高系统的检索准确率。用户上传的图片经过局部特征提取后,与系统图像库中的特征进行匹配,再将匹配结果经权值相似度计算,找到相似度最高的商标类型。从实验结果表明,加入权值相似度计算后,系统的检索正确率有了较大幅度的提高。本论文提出的基于内容的商标检索系统是基于B/S架构,在Windows Visual Studio2010环境下开发完成。主要使用了.NET三层架构、SQL Server2008和jQuery函数库脚本代码。经过实验测试表明,其检索计算速度和正确率都有明显提高。