随着数字成像技术和互联网技术的蓬勃发展,大量数字图像被创建并用于各个领域。由于许多用户终端受到资源的限制,越来越多的个人或企业倾向于在云环境中存储图像数据以节省本地存储和计算成本。通过云环境,广大用户可以随时随地将图像上传到云服务器,但用户并不清楚上传的图像在云服务器中的具体存储位置,这就引发了用户对图像隐私泄露的担忧。针对不可信的云服务器,一种行之有效的方法是在图像上传之前对其进行加密,但这将大大降低图像的可操作性。此外,为了满足实际的效率需求,许多方案都会泄露部分信息给云服务器,攻击者可以利用这些泄露信息来破坏数据集和降低查询的机密性。因此,如何安全、高效和准确地检索图像是当前研究机构和学者迫切需要解决的问题。本论文的主要研究工作和贡献如下:1.目前已有一些安全高效的图像检索方案,但很少有同时隐藏k-NN响应泄漏和响应长度泄露的方案。针对k-NN响应泄漏的数据恢复攻击,本文使用多级同态加密协议构建一个安全的多方计算模型,实现了加密特征向量间的安全相似性计算。此外,现有的隐藏响应长度泄露的方案大多基于简单填充或截断。本文提出了一种数据库填充算法,融合优化填充和集中多映射,在实现响应长度隐藏的同时减少数据的冗余存储。2.针对加密后图像特征的尺寸会发生膨胀,本文使用压缩感知测量矩阵对图像特征进行压缩感知采样、压缩和加密。为了进一步提高图像检索方案的安全性,本文把压缩感知理论与Paillier加密算法进行有机结合,并使用基于量化随机投影的安全二进制嵌入来实现安全高效的图像检索。此外,通过执行n-out-of-k不经意传输协议返回查询的相似图像集,有效地保护了图像用户和图像数据库的隐私信息。最后,对本文所提方案的安全性进行分析和证明,并使用网上公开图像数据集进行实验验证。理论分析和实验结果表明,本文所提的两种安全高效的图像检索方案均具有良好的检索性能,且具有较高的安全性。