随着经济的快速发展,企业数量的大幅增多,企业商标注册量也随之不断的增长,导致商标管理部门管理企业商标的难度加大。但如今商标管理部门对商标图像的管理方法依然是采取基于“分类号”的方法,这种方法不仅是检索精度低,而且检索效率也是不高的。传统的商标图像检索技术往往是提取商标图像的全局特征,接着利用这些特征进行图像的相识度匹配。但因为商标图像往往具有很强的抽象性和复杂性,使得利用手工设计的全局特征进行商标图像检索时会带来“语义鸿沟”的问题,图像检索系统的检索精度不高,召回率低。近年来,随着Hinton等人对深度神经网络模型进行优化以后,给图像检索领域的问题带来了新的解决方法。本文尝试利用深度学习领域的技术来解决商标图像检索领域的问题,并通过实验判断深度学习技术是否能解决商标图像检索中的“语义鸿沟”问题。本文主要工作和贡献如下:首先,通过收集大量的商标图像,搭建了一个大规模的商标图像库,并利用商标图像的几何特征将图像库分成六个特征类。其主要目的是用于商标图像的特征提取,也有助于以后研究人员对商标图像的研究。其次,研究深度学习领域的技术,并提出了一个基于深层卷积神经网络的商标图像特征提取方法,通过它与Bag of Features模型中利用SIFT(Scale Invariant feature transform)人工设计图像特征的方法进行比较,最终实验表明卷积神经网络提取商标特征的方法有更高的检索精度。最后,本文将拓展查询技术用于图像检索系统当中,并且提出一种改进的均值拓展查询(Average Query Expansion,AQE)方法。