车辆图像检索是智能交通系统的重要组成部分，车辆检索在高速公路服务区、停车场等场所以及在停车场智能管理、高速公路自动收费、道路监控、超时停车检测等方面有着非常好的应用前景。本课题来源于高速公路服务区车辆智能检测项目，是基于特定场景下的车辆图像检索问题。　　车辆图像检索主要是基于车辆检测、分割、特征提取和特征匹配的相关技术，目前关于图像检索的技术研究相对来说比较成熟。本文旨在进一步研究车辆特征提取算法，在应对交通场景中光照和亮度变化等情况下能够进行实时的车辆图像检索。本文的主要研究内容如下:　　1.研究图像检索的流程和经典算法，分析和总结了车辆图像检索流程中的关键要素、检索流程和特征提取。研究了不同检索流程和特征提取方法的优缺点，并分析了它们在实时车辆图像检索中的可行性。　　2.快速车身区域定位。为了减少检索时间、工作量以及车辆以外区域的影响，本文首先对车辆图像进行了车辆区域定位，把不同背景下的车辆目标部分作为特征提取区域，大大减少了处理时间，提高了检索效率。　　3.基于局部对称性特征的车辆图像检索。该特征主要提取车辆区域的局部对称性特征，同时具有很好的光照适应性和不变性。在不同尺度下，图像的局部对称性可以作为基本的显著特征。本文研究了基于图像强度和基于梯度直方图的局部对称性特征的提取方法，综合考虑了垂直对称、水平对称和旋转对称三种对称方式。本文使用了基于TF-IDF加权的词袋模型，不同特征描述子被赋予不同权值，接着引入了空间金字塔匹配核，考虑了局部特征的空间位置关系。最后从检索正确率和检索时间上分析了局部对称性特征的效果。　　通过实验分析，基于局部对称性特征的车辆图像检索技术能很好的用于快速实时车辆图像检索。