随着网络图像信息的飞速增长,图像检索成为帮助人们快速获取图像信息的一个有效手段,尤其是以图检图技术,在摄像头成为当前智能终端标准配置情况下,有着巨大的应用需求。本文在综述现有研究工作的基础上,面向提高以图检图技术搜索质量和搜索速度的目标,开展了一系列的研究,主要取得了如下的成果。形式化描述了图像检索任务,设计了基于卷积神经网络(CNN,Convolutional Neural Networks)图像特征哈希的检索模型。实现了位置敏感哈希、谱哈希、深度自编码哈希三种哈希索引方法,并针对本文任务所面向的数据集对这些方法进行了改进和优化。在大规模服装图像数据集上对三种算法进行了分析测试,结果表明深度自编码哈希方法具有更好的性能。基于上述模型和算法,设计并实现了一个面向服装领域的图像检索系统。系统利用无监督的深度自编码器对有监督CNN获得的图像特征进行哈希,综合利用了有标注和无标注图像数据。系统分为表现层、逻辑层、应用层、数据层,工程上各部分采用成熟、稳定的开源技术,系统具有良好的拓展性及稳定性。通过实验对系统的检索效果和检索速度进行了评估,在与淘宝拍立淘、百度服装检索系统等当前业界应用系统的对比中,本文实现的系统取得了非常具有竞争力的性能。