图像相似性度量在计算机视觉和模式识别领域中是一个基础性研究问题,在图像检索、图像分类等领域都有着非常广泛的应用。论文以项目相似性检查云服务平台和国家自然科学基金项目申请书中的图像相似性检测为背景,以解决VGG模型在小型数据集上产生过拟合的问题,提高检索精度为目标,提出了基于Dropout的Dro-SVGG模型和基于FGBC-iDistance的正交范围查询检索算法。论文创新工作主要如下:(1)基于Dropout的VGG模型。论文将Dropout与SVGG模型进行结合构建了Dro-SVGG模型,解决了VGG模型在小型数据集上产生过拟合的问题,训练精度得到提升。同时论文将SVGG的池化层进行改进,采用连续两次的卷积层进行替代,提升模型的收敛速度以及减少训练时间。理论与实验分析表明,Dro-SVGG模型在小型数据集上提高了VGG的精准度并提高了收敛速度。(2)基于FGBC-iDistance的正交范围查询算法。传统的特征向量检索在查找高维向量时,性能会严重下降。为了提高检索精度,论文提出了一种基于FGBC-iDistance的正交范围查询方法,通过分割区域的方式,减少正交搜索范围与空间的交集。理论分析和实验结果证明了FGBC-iDistance的正交范围查询的准确性。(3)图像相似性检索系统。论文将基于Dropout的VGG模型与基于FGBC-iDistance的正交范围查询算法应用在国家自然科学基金项目申请书的图像相似性检测中,设计出一套完整的图像相似性检测系统。系统功能稳定、结果可靠真实,可以准确地检测出基金项目申请书中内容相似的图像,为中南大学重点实验室承担起的国家自然科学基金项目申请书的相似性检测任务提供科学的依据。