近年来,随着互联网上图片数量的爆炸式增长,图像检索相关技术及web应用层出不穷、不断涌现。相似图像检索技术,能够根据用户输入的图像,在图像库中检索出与之相似的图像。作为最热门的web应用之一,该类技术在搜索引擎、电子商务、社交网络和生物医疗等众多领域得到了广泛应用,并成为了多媒体信息检索领域中的一个研究热点。相似图像检索的核心问题包括图像特征提取、图像特征匹配以及海量图像存储带来的挑战。本文针对海量图像上的相似图像检索优化技术进行了研究,并取得了如下研究成果:1)相似图像检索技术面临的挑战之一是如何快速地在海量图像中查询出符合要求的图像。图像特征匹配问题实际上是相似性搜索问题,其中最著名的解决方案是局部敏感哈希(LSH,Locality Sensitive Hashing)方法。LSH能够在只牺牲一部分搜索精度的条件下大幅提升查询效率。但是目前大多数LSH方法还局限于单机环境,难以用来处理大规模数据。针对这一问题,本文设计实现了基于大数据平台Spark的分布式LSH算法,命名为Spark-LSH,实现了对海量数据建立索引和查询。为提升Spark-LSH的性能,在Spark-LSH基础之上,本文提出了Efficient SparkLSH,包括shuffle高效型索引模式和位置感知型查询模式,并在具体实现中进行了一系列优化,得到了Efficient Spark-LSH。实验表明,Efficient Spark-LSH比SparkLSH减少了30%的shuffle量,提升性能超过Spark-LSH 100倍。2)海量大数据图像检索系统中的存储模块直接影响系统的稳定性和检索性能。本文针对海量图像存储提出了基于HBase的存储方案,并通过理论分析和实验测试对比了HBase和HDFS作为存储方案的可行性。针对数据访问频次分布不均的应用场景,本文提出了基于数据访问频次的HBase负载均衡优化方案,包括新的regionServer选择算法和数据迁移算法。仿真实验表明,与HBase默认负载均衡算法相比,基于数据访问频次的负载均衡优化算法可以将各regionServer间数据访问频次的最大差异降低91.4%。3)结合本文提出的分布式LSH算法和基于HBase的海量图像存储方案,本文设计并实现了一个高度模块化的大规模相似图像检索系统。系统包括web模块、图像特征提取模块、图像特征匹配模块、中间件模块和存储模块,每个模块都使用了当前业界最成熟的解决方案或者最前沿的技术手段。真实应用环境下的测试表明,本系统可以满足所有测试场景下的性能需求。