近年来,随着多媒体网络技术的快速发展,人们沟通交流的方式也从传统的线下交流转变为线上联系。在此背景下,通信图像迅速融入人们的日常生活中,人们通过多媒体等手段每天向网络空间传输数以亿计的图像,供人们下载使用。但产生的图像数量过于繁多,不利于用户对所需图像的检索,这就对能够快速、准确地搜索用户所需图像的技术提出了更高的要求。基于感知哈希的图像检索以其能够降低图像数据维度的特点,从而大幅度提高检索效率而成为当今研究的热点。每一张图像都可以通过特征提取得到数据量被缩小的可以表征图像的哈希序列,通过对哈希序列进行距离度量,就可以得到图像间的相似程度,进而得到检索结果,而对图像特征提取方法的选择直接影响着算法的识别准确率与运行时间,本文通过对传统感知哈希算法存在的问题进行分析,针对性的提出三种改进算法。其一,针对AHash算法中存在的图像内容信息严重丢失、图像特征难以区分等造成的检索准确度不高的情况,并利用一行数据或一列数据的波动程度可以用方差表示,提出一种基于颜色方差的图像相似检索算法。实验证明,该算法的平均识别准确率为72.17%,AHash算法、PHash算法、DHash算法的平均识别准确率分别为55.33%、85.17%、74.50%,本算法所检索出的相似图像个数明显比AHash算法更为完整,较AHash算法提升了23.33%。其二,针对DHash或PHash等图像相似检索算法中存在的只依靠一个阈值进行相似判定而造成的不严谨情况,提出了基于双重哈希的图像相似检索算法。实验证明,该算法在图像相似检索中的平均识别准确率可达86.17%,而DHash算法为74.50%,PHash算法为85.17%,故改进算法较PHash/DHash算法能够更准确、完整的检索所有相似图像。其三,旋转检测实验证明采用基于DHash算法对旋转后的图像进行识别,得到的识别准确率不理想,针对此问题提出了一种抗旋转的改进DHash算法。实验证明,该算法能有效区分图像,图像在10以内旋转时,能有效识别图像;同时,改进算法的抗旋转性能较DHash算法能得到有效增强,并且在抵抗图像对比度调整、伽马校正、高斯滤波等数据攻击时性能较传统感知哈希算法更好。