随着互联网和多媒体技术的快速发展,图像等多媒体信息呈爆炸性增长。传统基于文本的信息检索技术已经无法适应图像信息的检索需求,基于内容的图像检索成为一个重要的研究领域,而基于目标的图像检索正是该领域当前研究的热点。在基于目标的图像检索领域,当前的主流方法是基于视觉关键词的方法,但该方法忽略了局部特征之间的空间关系信息,导致检索准确度不高。针对这个问题,本文提出了一种基于多重分割捆绑特征的目标图像检索方法,通过对图像进行多重分割,各分割区块用它所包含的SIFT特征集合来描述,生成包含空间关系信息的捆绑特征;根据视觉关键词词库匹配捆绑特征,并提出了一种改进的相似性度量方法计算捆绑特征相似度,再将该相似度作为权重融入到视觉关键词方法的向量空间模型中,计算图像相似度并进行排序。在该方法的SIFT特征提取过程中,针对图像提取出的SIFT特征数目通常很大、无法精确控制,导致系统效率不高且不稳定的问题,提出一种SIFT特征裁减算法。该算法通过对SIFT关键点的对比度和主曲率比加权来衡量其匹配能力;在定位关键点和计算关键点方向两个步骤增加对关键点的两次筛选,提取出设定阈值数目内对检索最有效的关键点。实验表明,该方法能够有效利用局部特征之间的空间关系信息,在保证检索效率的同时,显著提高了检索准确度;并且通过SIFT特征裁减算法,进一步提高了系统的效率和稳定性。