网络技术的发展以及信息的快速流动导致多媒体数据急剧增长，呈现出规模变大、类型增多的特点。在这种情况下，传统的单模态数据检索再难满足用户对多种类型数据的检索需求，同时大规模的多媒体数据对检索提出了新的挑战。利用哈希码低存储、高效率检索的特点，跨模态哈希检索在众多的检索方法中得到了研究者们越来越多的关注。
　　跨模态哈希检索的关键问题是如何利用异构数据中的潜在关联缩短语义鸿沟。大多数的方法忽略了以交互方式探索潜在的语义相关信息，而且仅采用二进制矩阵表示相关程度，无法捕获多标签数据之间更深层的语义信息，忽略了语义结构的保持和数据特征判别性的保持，从而影响了跨模态检索性能。首先，为了充分挖掘异构数据间潜在的语义关联信息并学习判别性的哈希码，本文提出的基于深度判别语义联合的跨模态哈希检索方法，使用数据之间的共有信息和各自特有的互补信息以挖掘数据更深层的语义关联，借助分类器学习判别性哈希编码。另外，提出的基于多级语义的判别式跨模态哈希检索方法，该方法在深度哈希的基础上使用多级语义相似度矩阵度量跨模态数据间不同程度的相关性，使得学习的哈希码在保持高层语义关联的同时又具有区别。
　　在两个常用数据集上，使用查准率查全率曲线和平均准确率作为评价标准，本文的实验结果证实了本文所提方法提高了跨模态检索的性能。