基于局部特征的图像重建算法是利用原始图像的局部特征信息,以大规模图像集为数据源,进行较为精确的图像重建工作,使重建后的图像与原始图像相似,并且图像质量达到人眼主观效果较好的程度。图像重建算法在拷贝检测、隐私保护、超高分辨率重建、三维重建等领域有着广泛的应用。本文在基于云的图像压缩这一应用场景下对重建算法系统框架进行研究,对其中的技术细节进行了完善。本文首先介绍基于云的图像压缩这一新颖的应用场景,着重介绍客户端图像局部特征提取与数据压缩,服务器端使用特征数据在大规模图像数据集中进行相似图像搜索,最后利用相似图像进行精准的图像重建这一完整的系统流程,介绍了系统中的各个模块及其对应的技术手段。其次从两个技术层面对目前图像重建系统加以阐述,包括(1)传统的全景图拼接技术中的图像局部特征、局部特征匹配、2D变换与图像配准、匹配特征块筛选以及图像融合等算法；(2)从大规模近似重复图像搜索角度叙述了视觉词袋模型、视觉词量化、局部敏感哈希、视觉词组以及基于局部相关信息的相似图像搜索算法。论文的主要工作介绍如下：(1)针对重建系统在大规模语料集场景下的应用特点,提出基于视觉词组二维编码及图像分区的大规模相似图像查询算法,增强了图像局部匹配准确率；(2)在图像拼接的候选匹配图像块筛选环节提出自适应阈值的图像块筛选法,为重建提供了更有力的依据,提高了重建的还原效果；(3)结合上述各个技术环节,设计并搭建了一套具有完整流程的图像重建系统,包含离线训练与在线重建两个部分。针对海量数据规模对系统进行优化,包括采用改进的聚类算法生成视觉词,利用k-d树组织视觉词进行快速匹配,以及使用倒排索引来进行视觉词组的相似搜索；(4)设计并完成了多组对比实验,从实验结果来看重建效果达到了令人满意的程度。