随着数字化、信息化时代的到来,多媒体信息大量涌现,图像数据也随之飞速增长,在气象、医疗、交通和军事等众多领域被大量地应用。与此同时如何对大量的图像数据进行快速、有效地检索,得到用户所需要的数据,已经成为计算机研究领域中急待解决的重要课题之一。在传统的基于内容的图像检索系统中,由于图像视觉特征(颜色或纹理等)高维属性的特点,以前对于一维数据所提出的索引结构不能够适应高维数据的检索要求,所以人们提出了许多的高维索引算法,如KDB-tree、R-tree及其家族系列等。但人们在应用过程中发现,以上这些树形结构的检索性能随着数据维度的增高而急剧下降,特别是当数据的维度超过10维时,往往这些算法的效率甚至不如直接使用高维数据的顺序检索方法,这种现象也就是我们所说的维度灾难(Dimension Curse)。为了解决这个问题,人们又提出许多相应的算法,如VA-File、NB-tree、金字塔算法等。但这些算法也都存在着自身的一些缺陷,如VA-File算法采用了向量近似的方法,通过近似向量来构建索引,实现对高维数据的过滤,是能够有效解决维度灾难问题的算法之一,但由于该算法所提出的前提是针对数据独立分布的情况之下,没有考虑现实数据的相关性(这也是金字塔算法中存在的主要问题),另外采用向量近似的方法,数据维度没有精减,使实际的数据计算量没有得到较大的降低,因而也影响了索引的效率。同样在NB-tree中虽然实现了有效降维,但由于没有考虑数据的空间分布,因此其索引结点中的冗余节点较多,进而影响其索引效率。在本文中针对图像数据的高维特性,在对基于内容的图像检索技术所提出的各种不同的索引算法进行深入研究的基础上,吸取许多优秀算法的优点并进行了综合和改进,提出了一种较为快捷的检索方法——靶标式图像检索算法。按照数据的分布或按数据空间进行分割是进行图像检索的两种很重要的方法,两者各有其优缺点。在本文中综合这两种方法的优点,提出了一种新型的图像索引算法,通过对数据空间进行划分,并对划分后的子空间赋予不同的代码值,以此构建图像的索引结构。并在此理论基础之上,设计了一个基于内容的图像检索实验平台,通过对实验数据结果的比较,证明了作者提出的索引结构在基于内容的图像检索中的高效和实用性。