本文将基于内容的图像检索理论与分布式计算技术相结合,讨论百万数量级的相似图像搜索引擎的构建。首先,本文研究基于内容的图像检索领域中相似图像检索的具体问题,并将相似图像定义为两类:整体相似图像,例如构图结构相似,或同一内容不同大小、不同质量的图像;局部相似图像,例如出现了相同物体、相同场景或相同人物的一组图像。针对两种不同类型的相似图像,分别采用图像全局特征——Haar小波分解特征和图像局部特征——SIFT特征来进行处理。其次,本文的目标是构建百万数量级以上的大规模图像搜索引擎,系统中存储与待匹配的图像特征超过10亿。针对海量高维图像特征向量的匹配效率问题,本文研究了各种不同类型算法的优劣,并选择局部敏感哈希(Locality Sensitive Hashing, LSH)算法作为索引和匹配图像特征的方法,讨论了与本问题相适应的局部敏感哈希算法的参数选择以及系统实现策略。另一方面,针对系统中海量的图像与图像特征数据的存储与计算问题,本文跳出一般图像检索研究中的局限,采用分布式存储与计算的方法解决大规模数据的存储与计算问题。本系统实现了Windows平台下一个轻量级的分布式文件系统,并基于该文件系统实现了图像特征提取、索引和检索匹配等计算的分布式并行化。实验证明,本系统的设计能成功工作在百万数量级的图像库上,并且在实际应用中能成功且高效的处理用户的相似图像查询。关键词:基于内容的图像检索,搜索引擎,分布式计算,分布式文件系统,图