互联网时代的到来,以及数码相机和各种图像处理工具的广泛应用,在互联网上产生了海量的图像,大规模图像数据的应用面临巨大的挑战,尤其是如何在海量数据中高效的检索出感兴趣的相似图像。为解决大规模图像检索效率问题,普遍采用基于哈希的图像检索算法。然而其检索准确率还无法令人们满意,本文提出基于改进谱哈希的图像检索算法提高了检索的效率。本文主要工作如下1、本文在谱哈希(Spectral Hashing)的基础上引入迭代量化(Iterative Quantization)最小化量化误差的思想,该算法摆脱谱哈希要求的数据服从均匀分布的假设,而且能够保持数据在原始空间的相似性。为了使本文算法适用于不同的图像数据集,引入机器学习中的Boosting算法来确定其阈值,使得该算法具有更强的适应性和更广泛的应用。本文在公开的图像数据集上对该算法进行了验证,实验结果显示该方法优于谱哈希、位置敏感哈希和迭代量化等索引算法。2、本文在上述研究的基础上,设计并实现了一款基于哈希的图像检索系统原型。该系统主要是为基于哈希的图像检索算法研究,提供可视化的检索学习平台。可以作为基于哈希的图像检索算法研究平台,能运行当前主流的哈希算法并获得必要的实验数据,如检索的平均准确率、查全率与查准率等。该平台的实现不仅方便了学者们研究基于哈希的图像检索相关算法,也为普通用户提供了“以图搜图”服务。模块化设计使得该系统能够方便的添加新哈希方法及其他功能,系统具有可扩展性和适应性。