随着智能手机前所未有的发展和迅速的普及以及时下流行的网络购物应用的日渐增多,移动电子商务成为一个新兴的领域,如何让用户从海量的商品中快速定位到符合自己需求的商品也成为移动电商亟需解决的课题,传统的商品搜索系统通常通过采用关键词搜索技术进行商品查询,忽略了电子商务信息中重要的图片信息,并且由于商品图像包含的内容丰富,用户并不总能对商品的关键词进行准确描述。因此,各大电子商务网站将基于内容的图像检索技术引入到了商品的检索和浏览中,搜索方式显得更加自然直观,但移动条件下的带宽和流量给查询图片的传输带来诸多限制,所以在基于移动图片搜索过程中充分利用移动设备的性能,在手机端进行必要的图像特征计算,减少数据传输量,有效地节省时间消耗和网络流量,提升用户体验。本文利用Android NDK和数字图像处理的相关技术,合理地解决了前述的相关问题,实现了基于Android的移动图像检索系统。本文的主要内容和贡献如下：第一,提出基于移动终端的图片特征提取模型,实现了全局特征和局部特征描述子的提取。针对手机拍摄原始图片过大以及对图片压缩后的信息丢失,该模型充分利用当前智能手机逐渐增强的硬件性能,在手机端对预处理后的图片进行特征提取,得到图片的颜色、纹理等全局特征以及SIFT局部特征描述子,将其发送到后台检索系统进行处理,减少网络传输的时间消耗,加快了检索效率。第二,实现了基于安卓手机的移动购物搜索系统。手机端采用Grab Cut分割算法与用户交互,提取感兴趣区域,再对目标图像分别提取整体特征和局部特征,全局特征采用欧氏距离进行特征相似性的度量,局部特征则借助视觉单词模型(Bag of Words)进行相似度计算,然后对得到的距离值进行排序,最后手机端接收后台返回的相似度最高的商品列表并展示。项目同时采用关键词搜索作为辅助,在用户知晓商品部分特征词的前提下,优化搜索结果,提升用户体验。