针对数字图像的版权保护问题,研究人员已经做了大量的研究。其中,基于内容的图像拷贝检测技术研究已经取得了较大的进展。现有的图像拷贝检测算法,主要是依靠Bag-of-Words (BOW)模型,该模型将局部特征量化为视觉单词后进行匹配,可以有效的提高匹配效率。然而,在局部特征的量化过程中,区分性大大降低,导致出现很多的错误匹配对。这些错误匹配降低了拷贝检测的准确率。本文针对上述不足,提出两种结合BOW模型和上下文信息的图像拷贝检测方案,具体研究成果如下:1)提出了一种结合BOW模型和空间上下文内嵌的图像拷贝检测算法为了提高局部特征的区分性,本文提出一种新的空间上下文内嵌方法。此方案在预处理阶段为图像中的每个SIFT特征选择若干稳定的上下文特征,然后将它和周围上下文特征的空间关系编码为空间描述子,并且把这些空间描述子都嵌入索引中。拷贝检测过程中,如果经过BOW量化到得到一对SIFT匹配对,这一对SIFT特征的空间描述子就会被进一步匹配,从而提高局部描述子的区分性。此外,为了提高空间描述子的匹配效率,本方案还提出了一种二级匹配结构,在保证匹配效果前提下,能够有效加速空间描述子的匹配过程。2)提出了一种结合BOW模型和全局上下文验证的图像拷贝检测算法针对BOW模型匹配准确性不高的问题,本文提出的方案首先通过BOW量化匹配得到图像之间所有匹配的SIFT特征对,然后利用每一对SIFT匹配对的旋转和尺度不变性构造重叠区域,并从两个重叠区域提取全局上下文描述子(OR-GCD),最后通过匹配上下文描述子来过滤错误的SIFT匹配对。此方案中还提出一种基于随机验证的图像相似度测量方法,能够避免验证所有的匹配对,有效提高拷贝检测效率。此外,我们还将提出的算法做了进一步扩展,在拷贝检测之前先把潜在的拷贝区域定位出来,使其能够有效解决局部拷贝图像检测问题。