随着智能设备和互联网的普及,多媒体数据量急速增长,基于内容的图像检索(Content-based Image Retrieval,CBIR)能够从大规模图像中搜索出相似图像,实现对数据的利用。对数据拥有者而言,将对图像数据的管理和维护外包给云服务提供商,可以有效降低成本,但存在隐私泄露的问题。关于在数据外包场景下图像隐私保护方法的研究日趋活跃,不少图像安全检索方案相继被提出,然而这些方案存在客户端计算量大、图像拥有者、云服务器和查询用户交互轮数多、通信开销大等问题,很难直接应用。在实际环境中,同一项服务可以由多个云服务器共同提供支持,本文以基于内容的图像安全检索为研究课题,重点研究了双服务器模型下的图像特征提取、索引设计和图像检索方法,主要内容如下:(1)提出了一种基于BOVW特征的图像安全检索方案。该方案结合SIFT特征安全提取和局部敏感哈希算法,实现了对图像BOVW特征的安全提取。为了保护图像的BOVW特征,设计了基于词频划分的倒排索引,对索引进行分块存储。最后,设计了相应的图像检索方法。该方案最大限度的减少了检索过程中图像拥有者和查询用户的参与。(2)提出了一种基于CNN特征的图像安全检索方案。基于图像CNN特征安全提取算法,设计了基于维度划分的可扩展哈希索引。首先,对图像CNN特征分维度进行索引,降低了云端目标图像数据模式隐私泄露的风险。然后,为索引引入了桶分裂机制,避免了数据分布不均匀对检索性能的影响,能够支持图像大量更新的场景,同时,也设计了相应的图像检索算法。(3)对提出的方案的安全性和性能进行了理论分析,并进行了实验验证。基于不同的图像数据集,测试了不同的参数对方案性能的影响,并给出了优化的参数。实验结果表明,与现有的方案相比,本文提出的方案能有效减少客户端的参与,在索引建立和图像检索阶段耗时更少。