图像检索是用一定的特征算法来衡量查询图像和参考图像的相似性,然后在参考数据库中,检索到与查询图像包含相同目标实例的图像。街景图像拍摄于真实城市街道、是城市场景的真实映射,非常适合应对大规模城市场景图像检索任务。使用街景图像处理大规模图像检索任务所面临的主要挑战是:已有的特征工作并未面向街景图像检索任务,进行针对性优化,街景图像特征的细节捕捉能力、空间匹配能力、冗余等方面有待改进和解决;几何验证的效率与准确性非常依赖图像特征的数量与质量,有效提升感兴趣特征在参与验证的特征中的比例是优化的关键;街景图像检索的工程应用必须考虑大规模数据带来的合理压缩、存储空间、检索效率等问题,检索方法也海量多样多元的数据下保持实用性和稳健性。针对这些,本文做出了以下贡献:首先,考虑到城市场景的复杂构成,其中的非感兴趣区域会对检索过程产生干扰,本研究提出了内容感知特征（Content Aware Feature,CAF）。CAF在感知街景内容类别的基础上,能够有效地过滤背景噪声特征,保留感兴趣的前景特征,从而改善检索过程的时效和精度。其次,针对非感兴趣特征在几何验证过程中的负面影响,本研究提出了两种几何验证框架——基于局部区域的几何验证与自适应内容聚焦几何验证。前者通过网格筛选参与几何验证的特征范围,后者则通过置信度在高斯分布均值的附近区间,框选参与几何验证的特征范围。两种方法都能从几何验证的特征数量和特征质量双重角度,改进几何验证的效率和准确性。为了证明上述贡献的有效性,本研究建立了一个大规模街景图像检索实验框架。实验证明,内容感知特征可以保留落在建筑物上的感兴趣特征点,并选择性地过滤落在其他噪声上的背景特征点。在有效压缩特征和索引存储空间的同时,也可以提高检索结果的召回率;基于局部区域的几何验证通过比较区域特征的匹配结果,选择最佳排序作为最终结果;自适应内容聚焦几何验证按照置信分数高斯分布均值的附近区间,选择置信度均值上下的特征点。两种几何验证框架均可提高局部区域特征的表达能力和有效性。此外,我们通过香港街景图像数据集充分证实了本研究方法的优越性。