随着智能终端和计算机技术的不断发展,文档图片作为纸质文档的一种替代品逐渐开始被很多政府部门、公司、学校等机构所使用,而如何对文档图片快速定位和筛选成为推广电子办公所需要考虑的重要问题之一。从目前研究来看,文档图片检索研究方向主要有两个,分别是基于内容信息和基于特征的两种解决方案,但是研究发现这些方案在准确度,抗干扰性,安全性等方面依然存在着一定的局限性。鉴于此,本文将针对文档图片检索技术中所涉及的一些重要技术环节展开进一步研究,并在此基础上形成性能更好的文档图片检索技术且研发相应的文档图片检索原型系统。首先,针对文档图片布局的自身特点,研究基于版面分析的文本行定位技术。利用优化的基于X-Y的投影递归算法获取文字候选区,提出基于学习自动机(Learning Automata,LA)的卷积神经网络(Convolution Neural Networks,CNN)改进方法并利用该改进方法进行图文分类,而后进一步给出自底而上的文本行定位技术。实验表明,本文所提出的基于版面分析的文本行定位技术在实际实验中效果表现较好。其次,针对利用浅层特征检索图片精度不高的问题,研究基于组合特征的文档图片检索技术。分析了文档图片的CNN深层特征和ORB浅层特征,形成可用于进一步提高检索精度的组合特征。在此基础上,考虑到不同长度文本行特征维度不同且可能存在特征偏移,提出了基于高斯分布的特征匹配算法,进而形成了基于组合特征的文档图片检索技术。实验表明,所提出的检索技术准确度较高,抗噪性能较佳。最后,基于上述文档图片检索关键技术的研究,本文从实际应用角度出发,设计并实现了一个检索原型系统。在该原型系统中,利用前述的文本行定位技术所获取的文本行作为文档图片基本检索单元,并利用前述的组合特征提取与匹配算法进行文档图片检索。实验结果表明,其在抗噪性能上优于其他一些典型检索系统,而且在一定程度上能够解决全局特征无法解决的局部图片匹配问题。