信息大爆炸时代的来临,使得整个人类社会新产生的信息数据呈井喷式增长,这其中就包含了海量图像数据信息。而且随着互联网的普及,人们在图像和视频等信息方面的消费也在逐年增长。与此同时,对于从海量图像信息中获取感兴趣内容的需求也在不断增加。自从上世纪七十年代起,图像检索技术经历了从基于文本检索到基于内容检索以及二者混合方式的飞跃发展。鉴于传统图像检索方式的局限性以及图像的背景比较复杂时检索系统检索效果不佳的情况,本文提出了一种利用KAZE算法提取图像特征并以这种特征为基础的图像相似性检索技术,并最终利用Java Web技术实现了基于KAZE算法的图像检索系统。本文首先对基于全局变量的图像特征做了简单介绍,然后剖析了基于局部变量的KAZE特征,并通过实验证明了利用KAZE特征来构建图像检索系统的可行性和有效性。在随后的章节中,对图像检索中的近邻检索技术进行了探讨性研究,并选择了利用BBF对Kd-Tree进行改进的算法作为本文的特征向量匹配算法,对于匹配过程中少量的误匹配点对,使用RANSAC算法来消除,卓有成效地增大了匹配的正确概率。针对大数据量的图像检索效率低下的问题,使用KMeans聚类算法构建视觉词典库模型,将其应用于本文的图像检索系统中。最后,在建立的视觉词典库基础上利用J2EE的一系列技术,构建了基于Java Web的图像检索系统。通过本文中的一系列实验可以看出,以本文中提出的相关算法和采用的方案为基础建立的图像检索系统具有较好的检索效果。