基于内容的图像检索是近年来计算机视觉领域的重要方向之一,如何快速准确地匹配视觉信息内容是图像检索最关键的部分.目前大多数检索方法采用BOF (bag of features)算法,该算法的检索精度较低,且运行速度较慢.提出了一种新的匹配方法,提高检索精度的同时有效减少了检索时间.本算法利用特征点的四个相对独立的角度对其进行分类,可大幅减少需要比较的特征算子的数量,并对每一分类中的特征点使用k-means算法聚类,得到若干个聚类中心.本方法对每一聚类的特征点进行汉明编码,并采用倒排表的方式进行信息存储.实验对象使用Holiday图像库,结果显示,检索精度和检索速度较原先算法得到了较大程度的改善,检索精度最高可提高55.9%,至0.8557,检索时间最多可降低49.3%,至0.35s.