近些年来,互联网中存储的数据越来越多,如何有效地检索出需要的信息成为信息管理系统的核心问题。图像检索是信息检索中的一个重要组成部分,其目的是在数据库中查询到与查询图像内容相似的图像,为用户查询数据提供帮助。图像检索技术主要分成两个部分：图像表达和数据检索。其中图像表达策略不但会影响图像检索结果的好坏,并且会影响数据检索策略的选取和效率,因此本文针对图像表达策略开展了研究。图像表达方法主要分为两种：基于局部特征的方法和基于全局特征的方法,本文针对两种不同的的图像表达方法进行了分析与探究,并提出了基于局部特征表达策略的性能提升方法。本文的主要工作如下：1)提出了基于原始局部描述子差异性的特征权重计算方法。在图像检索中,一幅图像中往往会出现重复的视觉元素,这类元素会影响到检索效果,这种现象被称为视觉元素的突发。本文利用局部区域的原始局部描述子之间的差异性,来调整各个特征的权重以弱化图像内突发视觉元素的影响,同时结合图像全局的显著性计算结果,不会大幅提升时间复杂度。总体上算法以小幅的时间复杂度为代价,提升了图像检索的精准度。2)提出了一种特征删减方法。这种方法也是基于局部特征的,主要考虑到在图像检索中查询图像的特征有些是含有信息的,但有些是不含或含有极少信息的,这些不含或含有极少信息的特征往往不会对检索结果产生促进作用,反而会产生干扰。本文利用自然图像数据库上的检索结果作为参考信号,同时结合待检索数据库的检索结果来计算特征的衡量标准,以此剔除一些干扰性较强的特征,提升了检索的精准度。3)对图像检索中如何使用卷积神经网络特征的方法进行了分析,探究了使用各网络抽取的特征的性能,并分析了各层网络的作用。并结合了多位置、多尺度信息聚合方法进行实验,验证了全连接层的作用。最后与数据检索算法结合,验证了相关性能。