网络时代,随着各种社交网络的兴起,网络中图片,视频数据每天都以惊人的速度增长,逐渐形成强大的图像检索数据库。针对这些具有丰富信息的海量图片,如何有效地从巨大的图像数据库中检索出用户需要的图片,成为信息检索领域研究者感兴趣的一个研究方向。图像检索算法主要有三种:基于文本的,基于内容的和基于语义的图像检索。而本文主要研究基于内容的图像检索方法(Content-based image retrieval,CBIR)。在研究初期研究者们对基于单一特征的图像检索进行研究,然而此方法的准确率较低,检索效果不佳。为了进一步提高检索鲁棒性,多特征融合的图像检索方案成为研究热点。为了更方便的处理大规模的图像数据,用户需要将图像存储到云服务器中。当图像拥有者外包CBIR服务给云服务器时,图像拥有者将失去数据的控制权并且数据在传输过程中容易遭受常见类型攻击。此时,传输的数据容易被第三方所获取并且在密文域图像检索方案中,云服务器处于半信任的状态,为此本文对密文域下图像检索方案展开研究。当前密文域下图像检索方案在保护数据拥有者权限、特征提取模块及图像加密模块上需进一步完善。基于以上考虑,本文首先对密文域下图像检索方案展开研究,其目标是弥补数据拥有者权限不足的问题;其次,提出多特征融合图像检索方案,其目标是提高密文域下图像检索的准确率;最后,研究高维超混沌系统和DNA编码技术,以提高外包CBIR服务的安全性。本文的研究内容如下:提出了一种基于隐私保护的图像检索方案。在图像加密方面,使用4-D超混沌系统及DNA编码规则生成超混沌序列,其目标是用来保护数据隐私。在索引加密方面,多特征融合图像检索策略被提出。为了进一步确保索引的安全性,本文使用安全的kNN算法完成索引加密。为了提高安全访问控制权限,本文基于OFB模式的AES算法提出再次认证方案。经仿真测试,所提出的算法对常见类型攻击具有较好的抵抗能力。除此之外,所提出算法的准确率相比于单一特征检索算法的准确率有较好的提升。实验结果显示,所提出的密文域图像检索方案在安全性和检索精度上有所提升,并能抵抗差分攻击、明文攻击、噪声攻击和阻塞攻击等常见的攻击类型。