黑水城唐卡作为西夏艺术研究的重要组成部分,由于其出土数量的不断增多,对其进行准确分类和高效检索成为一项迫切的任务。基于深度学习与传统检索算法相结合的智能检索技术为唐卡的高效精准检索与数字化保护提供了有力的技术支撑。本文的研究对象是黑水城唐卡,将唐卡图像数据库中的图像按主尊人物可以划分为佛像、菩萨、供养人、祖师四类。唐卡作为富含特征信息的文化载体,其纹理信息复杂,所包含的语义内容也更加丰富,但目前已发掘的唐卡文物数量极为有限,所以弥足珍贵。如何在极为有限的数据样本的支撑下完成具有复杂纹理特征的唐卡图像检索任务是本文面临的一个难点问题。针对这一问题,本文提出了传统人工建模算法和两种基于深度学习的方法旨在有限的特征样本下通过充分提取和利用唐卡图像的特征来很好的完成唐卡图像的检索任务。本文的主要工作如下:（1）针对目前尚无公开的唐卡图像数据集的问题,本文通过各种渠道对唐卡图像进行收集、预处理,创建了唐卡图像数据集。基于创建的唐卡图像数据集,利用SIFT算法进行图像检索,并对SIFT算法进行改进,即先对SIFT提取的特征点采用随机抽样一致性算法（Random Sample Consensus）进行筛选,筛选之后再进行特征点匹配。（2）本文进一步提出了两种基于卷积神经网络的图像检索算法,分别是基于VGG16和ResNet50的图像检索算法。之后对两种算法提取的特征进行PCA降维处理,在不同的维度下进行唐卡图像的检索实验,对得到的实验数据进行分析,得出了基于ResNet50的算法有着更好的检索效果。（3）针对采用ResNet50进行检索时存在时间较长,检索效率较低的问题,本文结合哈希算法的图像检索算法对唐卡进行检索。该算法原理是对ResNet50提取的唐卡图像特征进行哈希映射,然后使用汉明距离进行相似性度量。通过实验数据分析,得到了基于哈希算法的图像检索算法可以提高唐卡图像的检索效率,是最适合本次唐卡检索的算法。（4）最后,根据本文所提出的唐卡图像检索算法,设计构建了唐卡图像检索系统,可以实现对唐卡图像的展示、查询等功能,并基于该算法对唐卡图像的检索效果进行展示。