随着互联网中图像资源的爆发性增长,图像检索已成为快速准确获取所需图像的一种重要手段。目前,该技术被认为在通用图像检索,视频对象跟踪,不良信息过滤,版权保护等领域中具有广阔的应用前景。传统的基于内容的图像检索技术在图像检索实时性方面存在性能瓶颈,且难以支撑海量图像检索。本文主要从三个方面研究基于内容的海量图像搜索引擎的关键技术,以有效提升图像检索效率。论文主要研究工作如下：(1)针对海量图像环境下图像高维特征向量索引具有较高匹配时间复杂度的问题,研究提出一种基于局部敏感哈希(Locality Sensitive Hashing, LSH)的图像特征索引优化算法。通过该算法,本文分别对图像全局特征和局部特征SIFT特征在分布式文件系统中建立索引。实验分析表明,该算法与其它图像特征索引算法相比,具有更低的匹配时间复杂性。(2)为了提高传统图像多特征融合方法的匹配效率,研究提出一种基于核函数的图像多特征二级融合算法。该算法实现过程主要包括图像全局特征核函数的线性融合,图像相似度判定以及SIFT局部特征二级融合。该方法充分利用了图像全局特征和局部特征的优势,分阶段融合两类图像特征。实验结果表明,该算法在保持图像匹配准确度的情况下,有效提高图像匹配效率。(3)根据上述两项研究,针对海量图像及图像特征数据的计算与存储问题,利用Hadoop分布式计算技术,研究开发海量图像搜索引擎原型系统。本文开发的原型系统经分布式运行环境(6台节点服务器)测试,验证了论文成果的有效性。