1、近年來，隨著多媒體技術和計算機網(wǎng)絡的飛速發(fā)展，全世界的數(shù)字圖像的容量正以驚人的速度增長。無論是軍用還是民用設備，每天都會產(chǎn)生容量相當于數(shù)千兆字節(jié)的圖像，其中包括來源于衛(wèi)星系統(tǒng)、各類監(jiān)測系統(tǒng)、科學實驗和生物醫(yī)學等領域的圖像資料，這些數(shù)字圖像中包含了大量有用的信息。然而，由于這些圖像是無序地分布在世界各地，圖像中包含的信息無法被有效地訪問和利用。因此，如何從海量的圖像數(shù)據(jù)中高效、快速地檢索出所需信息是當前許多應用領域所面臨的重要問題。

2、 傳統(tǒng)的基于文本注解的圖像檢索方法，存在著手工注解工作量過大和文本注解帶來的主觀性和不精確性等缺陷，已不能滿足需求。為了克服傳統(tǒng)圖像檢索技術存在的問題，就需要全面地、一般性地和客觀地提取出圖像的內(nèi)容。基于內(nèi)容的圖像檢索（Content-Based Image Retrieval，CBIR）技術應運而生。其主要的思想是根據(jù)圖像所包含的色彩、紋理、形狀以及對象的空間關系等信息，提取出特征向量，并建立圖像的特征庫，然后計算查詢圖像和特征庫中

3、圖像的特征向量間的相似度，并返回查詢結果。由于基于內(nèi)容的圖像檢索技術利用了圖像本身包含的客觀物理視覺特征來進行檢索，從而不需要或者僅需要少量的人工干預，因此在需要自動化的場合取得了大量應用。 隨著圖像庫容量的迅速增大，圖像檢索的實時性要求也日益突出，檢索系統(tǒng)對用戶查詢的響應時間成為圖像檢索系統(tǒng)能否實用化的關鍵。而有效的高維索引機制則是面向大規(guī)模圖像庫檢索能夠達到實時性要求的關鍵技術。但由于圖像特征數(shù)據(jù)的特點，傳統(tǒng)的一維索引已不適

4、用于CBIR，需要采用高維索引技術。本文比較全面的介紹了高維索引相關技術，重點研究了R-Tree、VA-File等索引方法，分析了其特點和不足。在此基礎上，作者結合了二者的優(yōu)點，提出了一種新的空間索引——RBVA-Tree，并通過模擬試驗證明了RBVA-Tree的性能優(yōu)于R-Tree，VA-File等現(xiàn)有的索引方法。 最后，在研究的基礎上，本文實現(xiàn)了基于內(nèi)容的圖像檢索原型系統(tǒng)。系統(tǒng)基于Linux環(huán)境，支持目前常用的檢索方式，經(jīng)測