近年来计算机和网络技术快速发展,人们在生产生活中产生了大量图像及视频。这些媒体资料需要借助科学的技术进行快速而准确的处理,提取出人们需要的信息,示例检索技术在这方面有着非常实用的价值。本文对图像和视频中示例检索的关键技术进行详细的探究,主要工作内容如下:针对传统的BoW模型忽视了特征点空间信息的缺点,以及现有的空间验证方法RANSAC开销大的不足之处,本文充分利用特征点的位置和尺度信息,设计并实现一种快速的直接空域匹配方法。相比SIFT兴趣点的BoW描述方法,性能得到了提升。同时在直接空域匹配的基础上进行重查询,进一步提升了检索的准确性。构建了基于深度特征的示例检索框架。在Oxford5k库上深入探究了不同网络、不同卷积层、编码方式以及输入图像尺寸对检索结果的影响。此外,借鉴目标检测中候选区域的思想,在图像上生成可能存在物体的区域,然后提取对应位置的CNN特征,构建了一种基于候选区域的示例检索框架,在公开示例检索库上取得了良好的结果。提出了一种自适应的特征融合方式,将特征的有效性与得分曲线的形状做关联,进行得分层面的后融合。在TRECVID INS 2015数据集上的实验结果表明融合算法明显提升了检索精度,在14个参赛队伍中,排名第三,验证了算法的有效性。