随着多媒体信息技术和数字化图像设备的不断发展，人们可以很方便地以图像的形式获取到现实世界中的景象，越来越多的图像信息出现在人们的日常生活当中。而在日常生活中，人们对于图像关注更多的是图像所展现的内容，即图像所描述的场景信息。因此，对图像场景信息的获取显得格外重要。而随着时间的推移，图像的数量越来越多，从而形成了大量的种类繁多的图像库。如何更加快速准确地检索到所需要的场景图像，方便人们生活，成为当前需要解决的一大问题。　　基于以上需求，本文提出了一种基于地理信息的场景检索方法。该方法首先利用GPS地理位置信息过滤掉图像库中不在查询图像附近的图像，缩小检索范围。然后采用局部敏感哈希(LSH)方法对视觉词汇向量进行降维，减少存储空间，同时利用汉明距离进行再次过滤。为了弥补词袋模型丢失空间信息的不足，本文采用RANSAC算法进行空间验证，过滤掉不符合空间关系的图像。最后利用投票算法计算查询图像与候选图像之间的相似度，得出最终的检索结果。该方法还可以用于辅助导航，通过手机拍照上传带有地理信息的场景图片，系统通过该方法检索到最相似的图像，并将该结果图像的相关描述信息返回给用户，用户无需参与过多的人为辨别(如，辨别方向、位置等)就可以获取感兴趣的场景描述信息，从而起到一定的辅助导航的作用。　　虽然上述方法中的RANSAC算法具有比较好的空间验证效果，但是由于它需要不断估计并评价模型，会耗费大量的时间，从而大大降低了检索的效率。于是本文在上述方法的基础上提出了一种空间金字塔模型(SPM)加后验证的方法来代替RANSAC方法。该方法利用检索得出的结果图像进行反向查找，并根据正向和反向查找时目标图像的排序位置赋予一定的权值，最后将这些权重与空间金字塔模型计算的相似度进行结合，得出最终的相似度。经验证，该方法不仅具有较高的准确率，而且在检索的效率上也有所提升。