随着多媒体和互联网技术的飞速发展，网络上每时每刻都会产生大量的数字图像，如何快速、高效地从海量图像数据中检索出用户所需的图像信息是当前图像应用领域的重要课题之一。　　近年来，伴随着各类图像压缩标准的相继推出，互联网中的图像大多是以压缩格式(如JPEG)进行存储和传播的。由于传统的图像处理方法必须将压缩数据完全解压到像素域，特别是网络上海量的压缩格式图像信息，必须先解压缩才能进行相应的分析、处理。这些无疑都将极大地影响各类检索系统的实用性和灵活性，特别是对一些大型的图像检索应用系统和要求实时性处理的场合，这种传统的处理模式往往难以满足要求。　　另一方面，面对大规模的海量图像数据，仅依靠单台计算机完成对海量网络图像数据集的检索，其处理能力是远远不够的。对于网络环境来说，处理的实时性也是必须考虑的一个重要因素，检索算法自身的复杂程度过高所带来的延时往往会造成网络链接的中断。如果采用多台计算机进行分布式协同处理，把大范围的分布、异构数据集联合起来，形成一个逻辑整体，向用户提供分布式的图像检索(distributed image retrieval)，则可以有效提高计算机处理和网络传输的效率。　　为此，本论文针对传输能力有限的网络环境以及压缩格式图像，开展了基于多Agent的压缩域图像检索技术研究。论文主要完成了以下工作:　　(1)构建了一种具有空间上下文的压缩域图像词包模型　　针对压缩格式的网络图像，首先分析压缩图像码流，应用视觉注意模型，提取图像的感兴趣区，并对感兴趣区提取颜色特征和SIFT(Scale-Invariant FeatureTransform)特征;然后通过聚类分析法构建压缩域的视觉词包;最后对感兴趣区之间的空间上下文进行空间编码，构建出具有空间上下文的图像词包模型。利用图像词包模型表征图像特征，进行图像检索，实验结果表明，所提方法提高了图像检索的准确率。　　(2)提出一种基于多Agent的分布式图像检索方法　　针对传输能力有限的网络环境，首先应用Aglet系统搭建多Agent的分布式计算平台;然后利用Agent的特性设计并规划分布式图像检索中Agent的生命周期和迁移机制;最后将多Agent的分布式计算平台应用于图像检索中。实验结果表明，这种基于多Agent的分布式图像检索方法可以保证图像检索准确率的同时，有效提高图像检索的速度。　　(3)提出了一种基于感知哈希的压缩域图像检索过滤与重排方法　　针对分布式检索带来的冗余图像，首先从压缩码流中构建DC图，提取图像的感知哈希特征;然后根据图像的哈希特征过滤分布式检索结果中重复的图像;最后采用基于加权汉明距离的方法对检索结果重排序。实验结果表明，所提方法能够有效过滤检索结果中的冗余图像，提高了分布式图像检索的准确率。