电子商务的飞速发展导致服饰商品数据的大量增加,用户从海量的服饰商品中挑选合适的商品越来越困难,而服饰商品信息大部分是用服饰图像展示的,这就导致了服饰图像检索的产生。纹理特征包含的信息很多,包含了一定的图像宏观结构和局部的微观结构。因此本文以针对服饰纹理的局部特征描述子算法及其在服饰检索系统中的应用为研究课题,重点研究了Fast Hessian特征点检测算法、改进的SURF(Speeded-Up Robust Features)局部描述子、描述子匹配策略及相似度衡量标准,并将其应用到服饰检索系统中。论文主要工作分为四部分:(1)研究并实现了Fast Hessian特征点检测算法,计算得到图像的特征点坐标及所在尺度信息,并分析了该算法检测到的特征点对服饰图像纹理识别的有效性。(2)为改进SURF描述子使用主方向技术带来的旋转不变的不稳定性,提出了使用灰度顺序池思想进行采样点分组的局部描述子,使得描述子本身具有旋转不变的特征。针对灰度分组带来的空间信息的丢失,提出了使用同心环进行子区域划分的策略,保留住一定的空间信息。最后,在描述子特征向量的构建上,通过对比实验选择使用累加的方式来构成。(3)针对服饰纹理特征的重复特性,提出了多最近邻的匹配策略,同时提出了图像相似度和平均相似度的计算方式,用来衡量图像间的纹理相似程度。通过实验验证了该相似度值在大部分情况下能有效地衡量图像纹理的相似度。将本文提出的局部描述子和SURF描述子进行对含有重复纹理图像旋转的对比实验,计算旋转后的图像与原图像的相似度值,验证了本文提出的局部描述子对旋转变化的稳定性。(4)设计并实现了一个基于纹理的服饰检索系统。设计了系统的主要架构,分析了各个模块的设计结构和实现功能。最后,实现了该服饰检索系统,并通过相关测试验证了该系统纹理识别的准确性和服饰检索的有效性。