随着微信、QQ等娱乐社交平台的流行,天猫、京东等电商的火爆,图像、视频、音频、文本等异构数据都呈现出惊人的增长态势。据统计,微信朋友圈日上传图片10亿张,视频播放20亿次;中国最大的电子商务系统淘宝网的后端系统上保存着286亿多张图片。这些数据的背后,映射出的是多媒体信息检索领域研究的热点——图像检索。经过长期的研究与发展,图像检索技术取得了长足的进步。从基于文本的图像检索到基于内容的图像检索,从人工标注到基于图像特征的自动检索,这是质的飞跃。目前,学者们把目光聚集在检索精确度的提高,其中图像检索结果重排序方法获得了广泛的关注与应用。迄今已有诸多改进算法是基于重排序方法提出的,这些方法取得了较好的效果。但是,该方法仍存在检索效果不稳定(即对于不同图库,检索结果的平均精准度值相差较大)等问题。本文以此为目的,基于现有的图像检索算法,在通过重排序方法提升检索稳定性方面进行了相关研究与改进。本文工作如下:(1)选取三类不同类型的特征,利用三类特征进行图像检索并对结果进行相应的比对,随后在多个层次(低层与高层,局部与整体)进行了特征的融合,其中主要包括选用DCA融合算法,确定融合方案,对融合特征进行图像检索;(2)以多张图像的单类特征进行结果重排序,包括借鉴PageRank思想,建立图像之间的“转移链路”,并定义图像之间距离。最后,利用图论求解最短路径的相关知识进行检索结果的重排序;(3)以单张图像的多个特征进行检索重排序,首先根据输入图像选择特征,随后在定义图像间距离、利用图论相关知识进行结果重排序的基础上,引入滑动窗口增强检索结果排序的相关性。通过各类图库的检索结果表明,本文中基于多特征融合图像检索系统的研究与改进工作顺利完成,使用不同类别的特征进行融合以及将图像检索与图论相结合等方法,最终检索效果良好,在多次检索实验中各类图像的平均精准度值均较为稳定。