众所周知，数字计算机的出现对现代社会结构发生深远的影响，使得人们的生活方式产生了深刻变革。同时伴随着计算机技术和互联网的不断进步促使商品交易根本性变化，使得电子商务得到迅猛发展，致使人们的购物方式从实体商店购买转移到网络购物的方式，此种方式的改变成为不可阻挡的趋势。由于商品种类繁多和各种不同类型的商品数量激增，要从网络商店中准确检索出所需要的商品不仅要耗费大量时间，而且即使在众多相同类型的商品中也难以选择出自己满意的商品。因而在品种繁多的海量商品中如何进行准确检索和推荐满意的商品成为日益迫切需要解决的问题，对于这些问题的深入研究不仅具有重要的理论意义，而且也具有重要的实际应用价值。本文首先研究基于图像内容商品检索系统，设计了一类由类别判定层和精确化检索层组成的层次化商品分类检索系统，即先判定商品图像类别，再针对对应类别的商品图像特征进行精确检索；然后研究商品推荐问题，利用LDA模型学习不同商品视觉特征的对应关系，并以此关系进行商品推荐，特别地选取服装商品子类的匹配为例，提出一个服装商品的匹配推荐算法，并获得很好的效果。论文具体工作如下：第一章，简述商品检索与推荐系统的研究背景、现状及其相关技术，也对基于图像内容的一般商品与单类特殊服装商品的检索以及推荐技术的研究现状作了相应介绍。第二章，针对目前的基于图像内容的检索精度不高的问题，设计了层次化商品分类检索系统的类别判定层。在类别判定层首先根据商品图像动态增长的特性，提出一类增量词汇树模型，基于此模型提取商品图像的局部视觉特征构建视觉词汇层，然后利用加权投票的方式确定待检索商品图像的确切种类，建立了所属类别判定方法。第三章，利用类别判定层得到的子类，设计层次化商品分类检索系统的精确化检索层，获得精确化的检索算法。特别地以服装图像为子类，有机结合图像显著性区域检测、肤色区域检测和GrabCut分割方法提出了一类新的服装图像分割算法，有效排除图像复杂背景区域的干扰；在分割基础上进一步提取图像服装区域的颜色、纹理和形状特征，再应用于检索服装商品图像，实现了融合多特征的精确化图像检索算法，得到了更精确的检索结果。第四章，利用多个改进的LDA(Latent Dirichlet Allocation)模型，通过计算出图像主题概率分布来学习不同商品图像多种视觉特征的对应关系，克服了单个LDA模型综合利用多种不同种类视觉特征的困难，并以此对应关系推荐不同的商品。特别地以服装匹配推荐为例基于多个改进的LDA模型，获得了融合多特征的服装商品的匹配推荐算法，进一步得到了更好的服装匹配推荐效果。