随着互联网与多媒体信息技术的快速发展,基于内容的图像检索已经成为了信息领域的热点研究课题,并广泛应用于公安系统、医疗系统、知识产权维护系统等。本文关注图像检索在纺织行业的应用,探究适用于面料图像的检索方法,以满足用户越来越多的时尚需求。本文对面料图像的特性进行了深入分析,从特征提取、索引构建两个方面对检索算法进行了研究,提出基于金字塔多尺度LBP和自学习哈希的面料图像检索算法。本文的主要工作和创新点如下：1.提出了金字塔多尺度LBP特征提取算法。本文介绍了典型的LBP算子,并深入分析了几种现有多尺度LBP算子的不足,在结合面料图像特性的基础上,提出一种金字塔多尺度LBP特征提取算法。该算法首先对面料图像进行金字塔分解,然后对每层金字塔图像提取等采样点的多半径LBP算子。与其它现有的多尺度LBP算法相比,本文提出的金字塔多尺度LBP算法的特征提取范围更广,特征表达能力更强,能够有效地描述面料图像的纹理信息。2.将自学习哈希算法应用于面料图像检索。对几种哈希技术进行了分析,针对现有方法的不足,提出将用于文本信息检索的自学习哈希算法应用到图像检索中,并针对图像与文本数据之间的差异性,对自学习哈希过程进行了改进。利用改进后的自学习哈希算法对面料图像建立索引,大大节约了数据存储空间,减少了计算量。3.在前两种算法的基础上,提出基于金字塔多尺度LBP和自学习哈希的面料图像检索算法。该算法采用金字塔多尺度LBP算子提取面料图像的特征,结合了图像的局部信息与全局信息,有效地描述了面料图像的纹理结构。在索引构建阶段采用改进的自学习哈希算法,有效的保留了原始空间图像数据的相似结构。实验证明,本文提出算法的检索性能普遍优于其它相关的算法。