En los algoritmos existentes de recuperación de imágenes, las muestras negativas a menudo aparecen en primer plano en los resultados de recuperación. Con este fin, en este artículo, proponemos un método de reordenamiento basado en fusión de características para la recuperación de imágenes de textiles para el hogar, que utiliza información de similitud semántica de alto nivel y similitud de textura de bajo nivel de una imagen y refuerza la expresión de características a través de la fusión tardía. En comparación con el reordenamiento de una sola característica, el método propuesto combina la diversidad de clasificación de múltiples características para mejorar la precisión de la recuperación. En nuestro proceso de reordenamiento, se utiliza el paseo aleatorio de Markov para actualizar las métricas de similitud, y proponemos una difusión de restricción local basada en similitud contextual. Finalmente, se utiliza el algoritmo de fusión-difusión para optimizar la lista ordenada mediante la combinación de múltiples métricas de similitud. Creamos un conjunto de datos de imágenes de textiles para el hogar a gran escala, que contiene imágenes de productos textiles para el hogar de varias categorías, y evaluamos el rendimiento de recuperación de imágenes del modelo propuesto con las métricas Recall@k y mAP@K. Los resultados experimentales muestran que el método de reordenamiento propuesto puede mejorar efectivamente los resultados de recuperación y mejorar el rendimiento de la recuperación de imágenes de textiles para el hogar.