图片搜索是可视搜索的重要研究方向，智能手机的普及让移动端拍照产生图片的数量大量增加，从而使得对图片的搜索需求变大，特别是购物类的搜索需求。基于内容的图像检索技术是解决此类需求的有效方法，因此有必要研究出一种针对移动终端的快速高效的图像特征提取算法，通过对摄像头拍摄的图片进行特征提取，能够快速准确的检测出匹配图片。　　首先研究与分析了当前应用最为广泛的图像特征提取与匹配算法，SIFT、SURF、ORB等，在此基础上着重分析了ORB算法的优势与不足，ORB算法采用FAST关键点检测算法，具有快速适用于手机处理的特点，但由于其不具备尺度不变性，鲁棒性较低，在研究SIFT算法具有尺度不变性原理的基础上提出了具有尺度不变性的Scale-Invariant ORB算法。先进行尺度空间金字塔的构建，对每层使用FAST算法检测关键点，取相同的阈值T来分辨潜在的兴趣区域，然后对兴趣区域中的点进行非极大值抑制并去除不符合条件的关键点，最后对关键点采用rBRIEF描述符进行描述得到256维的特征向量。在特征匹配方面采用汉明距离计算特征相似度。通过实验表明，Scale-Invariant ORB算法在保证实时性的同时鲁棒性最好，这是因为Scale-Invariant ORB算法比ORB算法具备尺度不变性，比SIFT算法和SURF算法计算复杂度低。　　最后通过把Scale-Invariant ORB算法应用于手机端图像检索系统，对图片搜索结果进行分析，Scale-Invariant ORB算法满足一定的准确率和实时性，在鲁棒性和实时性方面达到了比较好的平衡，适合用于移动端的图像特征提取的相关应用。