在互联网电子商务领域中,同行业的卖家抄袭复制其他店铺的信息的事件经常发生,抄袭的图像相较于文字信息更难以检测出相似性,因为抄袭者会将图像加工,使得处理后的图像不容易检测出跟原图相似。而人工比对效率低下,且成本高,这就需要一个以能快速精确地检索图像的算法为基础的检索系统来解决这个问题。图像检索系统有着广泛的应用,例如信息的检索、商标以及知识产权的保护。因此,研究出图像检索系统具有重要的意义。在总结了前人的研究之后,本文提出了基于SIFT特征提取的快速最邻近匹配的图像检索算法和基于孪生卷积神经网络(SCNN)的图像检索算法。本文的具体工作总结如下:(1)论文首先研究基于SIFT与快速最邻近搜索的图像检索算法,先使用SIFT算法提取出图像特征点,然后使用快速最邻近搜索对图像特征点进行匹配,以完成两个图像的图像特征之间的匹配并量化相似程度。接着设计了对剪切、旋转、增加滤镜、增大对比度、添加水印的情况下的实验,验证了该算法应对这些情况的性能,最后与颜色直方图、图像哈希等算法在数据集Flickr-27上做实验对比,利用平均查准率这个指标,验证了该检索算法比上述的两种算法的精度要高。(2)论文接着研究基于孪生卷积神经网络(SCNN)的图像检索算法,先使用SCNN提取图像特征并量化特征之间的相似程度。然后通过实验验证了该算法在Flickr-27数据集上训练的模型的泛化能力,其中训练集和测试集中每一类的平均查准率最大不超过8%,说明该模型具有很强的泛化能力,最后与颜色直方图、图像哈希、SIFT等算法在相同的条件下作实验对比,数据结果表明该算法的精确比SIFT精确高40%,验证了该算法的高性能。(3)论文最终设计并开发了基于商品logo的图像检索系统。实现了将Flickr-27数据集预处理并导入至系统的数据库中,并将本文研究的算法嵌入到系统中,最后对系统的检索效果进行测试,检索图像为Adidas,在返回图像为36的图像下,SIFT算法有12个图像正确检索,SCNN算法有30个图像正确检索,进一步验证了SCNN算法的高性能。