图像检索技术研究的是如何在海量的图像数据中检索出与输入最为接近的图像,这一技术在电子商务、公共安全、城市规划等方面有着广泛的应用,已经成为人工智能领域研究的重要问题。与此同时,随着航空航天技术与遥感技术的不断发展,遥感图像检索问题也成为近年来研究的热点。特征提取与相似性检索是遥感图像检索技术最关键的步骤,当处理海量的高分辨率遥感数据时,现有方法没有充分考虑多光谱遥感图像的多通道特性,导致特征提取不充分;也没有充分学习特征的多尺度信息,不能捕捉更多的上下文信息,导致特征信息丢失;此外,现存的跨模态检索方法没有很好地学习图像与声音之间的一致性对应关系。因此本文利用深度学习能够提取高层语义信息和哈希算法快速及低内存的优点,分别针对遥感图像的单模态检索和图像与音频之间的跨模态检索问题进行深入的研究与探索。具体的,本文的主要工作内容包括以下三个部分:1)提出基于多通道特征融合的无监督变分自编码器哈希算法（VAEH）,通过采用多通道特征融合（MCFF）的方式提取图像特征信息,以充分考虑多光谱遥感图像的多通道性质,并将变分构造过程和自动编解码器应用到哈希函数的学习过程中,使用变分自编码器的KL距离对哈希码的生成进行约束,从而使得局部保持映射过程中的判别性加强。该算法在两个大型公开遥感数据集SAT-4和SAT-6上取得了良好的效果,实验结果验证了所提算法的有效性。2)提出基于多尺度扩张卷积的变分自编码器哈希检索算法（MECH）,该算法引入了一种新的基于多尺度扩张卷积的上下文特征增强模块,该模块由多个具有不同扩张因子的扩张卷积组成,可以使得卷积过程中感受野的面积扩大,从而可以从特征中获得更多的语义信息,解决了现存无监督遥感图像检索方法不能充分学习特征的多尺度信息,不能捕捉更多的上下文信息,导致生成的哈希码有效性降低的问题。该算法也在SAT-4数据集和SAT-6数据集上进行了实验,实验结果证明该算法具有较好的检索精度。3)提出基于深度相似学习的跨模态检索算法（CRDSL）,分别提取图像数据和音频数据的特征信息,并基于深度相似网络训练模型,从而解决图像与音频之间的跨模态检索问题。该算法在PASCAL语句数据集和Wikipedia数据集上进行了实验,实验结果验证了所提算法的可行性。