随着网络互联网上图像资料规模的迅速扩大,图像检索的问题受到了越来越大的重视。图像检索问题指的是,给定一张查询图片,从图像数据集中返回与之相似的图片作为检索结果。图像检索问题在检索的速度和准确率和召回率都有较大的要求。基于哈希的图像检索算法在图像检索上表现出了卓越的性能。这类方法将图片映射至汉明空间内,同时使用汉明距离衡量图片间的相似度。因此基于哈希的图像检索算法中每张图片往往占用很少的空间,同时拥有很快的查询速度。良好的哈希算法应该使得相似的图片在汉明空间内具有较小的汉明距离同时不相似的图片具有较大的汉明距离。现有的基于哈希的图像检索算法按照对图像数据集标签信息的需求可以划分为有监督,半监督和无监督三类。其中有监督的哈希算法要求待检索的图像数据集提供完整的标签信息;无监督的哈希算法则完全忽视数据集的标签信息。实际上图像数据集中往往只会提供部分标签,并且哈希算法应该利用这些标签信息提升性能。半监督的哈希算法则只要求数据集提供部分标签信息,切合实际的同时并能得到良好的性能。多表哈希算法在处理图像检索问题有着卓越的性能。当前的多表哈希算法,DCH[53]在序列化的学习后续哈希表的过程中不断忽视分类正确的图像;其次DCH在表内哈希函数的训练中只考虑前一个哈希函数的错误。基于DCH的缺陷,本文提出了基于双重补偿的再排序多表哈希图像检索算法(BDCHR)。BDCHR是一个半监督的多表哈希算法。BDCHR在训练哈希表的时候是通过提升分类错误的图像的权重来实现的,同时训练哈希表中哈希函数是考虑当前哈希表已学习到的所有哈希函数的错误。此外,每一个哈希表的哈希函数的性能都是有差异的,利用这一点BDCHR提出了一种半监督的再排序算法以提升性能。