随着移动互联网时代的不断发展,平面媒体技术正在发生着深刻的变化。网络技术和图像处理技术的结合促使平面媒体向全面的数字化方向迈进。而在平面媒体中,图像作为一种重要的信息承载形式,也是吸引用户和读者与媒体进行互动的重要因素。用户通过移动终端对平面媒体上的一些特殊图像进行拍摄,比如车标图像、奢侈品牌logo、知名网站logo等,然后利用图像处理技术可以很好地帮助用户对该图像进行信息查询、动态跟踪以及传播分析等。在这个过程中要用到的关键技术就是图像检索,所以,如何从大量的图像中准确高效的检索出目标图像成为了一个很有意义的研究课题。本文首先对目前国内外图像检索技术的发展状况和存在的问题做了分析,其次介绍了基于局部特征的图像检索关键技术。图像检索关键技术介绍了图像预处理,特征提取和特征点的匹配等,重点对常见的几种局部特征提取方法分别进行了阐述,尤其是SIFT算子的生成方法。然后,在此基础上,针对本课题的研究场景和现有算法存在的问题,对关键技术提出了改进,主要考虑到SIFT描述子的维数较高,在完成特征向量的匹配时耗时比较长,所以提出了改进的SIFT-PCA算法,论文中对该改进后的算法做了详尽的阐述。最后,根据改进后的关键技术,对平面媒体中的图像检索系统进行了实现,并设计实验对改进后的SIFT-PCA算法和现有的SIFT、SURF等几种特征提取方法在性能和效率等方面进行了比较和分析,实验结果表明了改进后的SIFT-PCA算法同时具有较好的性能和计算速度,最适用于平面媒体中的图像检索。