目前,随着互联网和多媒体技术的快速发展,图像数量呈指数方式增长,图像传播和拷贝变得越来越便捷,因此多媒体内容的版权保护成为一个亟需解决的问题。基于内容的图像拷贝检测技术是数字信息保护一个新的研究方向,正受到越来越多的关注和研究。在图像拷贝检测中,所提取的图像特征需要对几何攻击具有较强的抵抗力,但是,很多的拷贝检测算法不能很好的兼顾图像拷贝检测精度和检测效率的要求。近年来,深度学习受到普遍关注并获得广泛应用,其可对图像内容自动分析,提取具有代表性的抽象特征,基于此,本文讨论了基于压缩自编码网络的图像拷贝检测系统的设计与研究,详细介绍了算法设计实现与实验。深度学习通过构建包含多个隐层的深度神经网络来实现特征学习,利用海量数据训练网络结构,使网络结构参数不断优化,深度网络具有更强的学习表达能力,其提取的特征应用于图像拷贝检测中具有更好的效果。本文主要研究基于深度神经网络的图像拷贝检测算法,提出基于压缩自编码网络的深度神经网络模型,并研究了网络训练算法,实现了图像特征的自动化提取,降低了特征提取方法的复杂度,提高了图像拷贝检测准确率。实验结果表明,基于压缩自编码网络的图像检索可以有效的提高图像拷贝检测的准确率,准确率可以达到99.7%,相比于传统人工设计的特征,准确率提高了 12.7%。