近些年来,随着新媒体应用的不断涌现和发展,高质量图像采集设备的相继面世,图像信息的规模呈现爆炸式增长,这对图像信息的有效存储和传输提出了新的要求。图像集压缩是解决这一问题的有效途径。由于相似图像集中的任意两张图像都有大量的相似之处,即集合冗余,如果能够对这些冗余信息进行有效地去除,那么将可以进一步提高图像集压缩比,节省存储空间。为解决这一问题,提出了基于BoF特征和图像分组的相似图像集压缩方案,并对该压缩方案进行了深入研究。首先,通过考量图像中的颜色信息,提出了基于HSV颜色空间的SIFT特征描述符HSVSift,并利用该描述符训练特征词典。结合特征词典和HSVSift描述符构造图像BoF(Bag of features)全局特征,并采用该特征表征图像。其次,详细描述采用局部敏感哈希技术对BoF特征进行降维处理,获得索引值的过程;该索引值可以作为图像或者BoF特征的指纹。利用这些索引值构造了索引结构,并基于该索引结构,提出了图像分组算法,实现了相似图像的有效分组。最后,针对相似图像集的有效压缩,提出了图像对压缩策略。利用哈希索引值将相似图像组进行两两划分形成图像对,并选取其中一张作为参考帧,剩下的那张作为预测帧。参考帧采用帧内压缩,预测帧参考该图像进行帧间压缩。实验表明,就ukbench图像集而言,基于BoF特征和图像分组的相似图像集压缩算法的压缩比比Shi’s方案低9.6%,但是比Zou’s方案要高13.6%。此外,更重要的是该算法的平均压缩速度分别是对比方案的207倍和6倍,且支持快速访问图像,因而该算法可以用于大规模的相似图像集压缩。