在低层视觉问题中,基于图像子块的建模方法得到了广泛的应用,以图像去噪为代表的一系列利用非局部自相似性先验的图像处理方法首先都需要寻找高质量的相似子块。以去噪为着眼点,本文发现主流方法都仅仅采用含有噪声的退化图像中自身截取的子块进行后续操作,而忽视了外部图像中包含大量相似且无噪声污染的图像子块。因此本文提出了基于哈希的多源图像子块检索方法。本文通过结合图像的非局部自相似性先验、子块层次性包含关系和光滑区域的连续性假设,在图像层面上检索具有外观相似性的图像,在子块层面上进行相似图像间密集子块映射,从而拆分并解决因数据规模过大难以处理的多源图像子块检索问题。本文步骤如下:首先,定义外观相似性为图像间具有大量互补相似子块,并以具备该特性的纹理图像库成对训练端到端的深度哈希网络,使其学习图像的外观相似性,让待检索子块所在图像经过该网络哈希编码化后能快速查找具备相似子块的图像。其次,通过改进后的连续敏感哈希,让相似图像子块在光滑区域传播,在非光滑区域,通过以外观特性为基准的局部敏感哈希将其映射到相同哈希桶中,并结合非局部自相似性先验,进一步筛选相似子块组。最后,在图像去噪中验证外部子块的优越性,通过将得到的子块组替代退化图像自身子块,在精简化的BM3D框架中进行去噪实验,得到和多种最先进去噪方法可比拟的效果,同时保留良好的视觉质量。