在网络和多媒体技术飞速发展的今天,网上的图像等多媒体信息呈现几何级数式的增长,面对这种情况,人们如何在海量的图像中找到自己所需要的图像成为一个急需解决的问题。因此,图像检索技术应运而生。但在图像检索系统中使用的图像特征动辄上百维,甚至上千维,这些特征不但维数高而且数量巨大,这使得图像检索系统碰到了一个无可回避的问题一“维数灾难”。为了克服这个问题学者们提出一系列近似最近邻方法。局部敏感哈希就是其中最有效的方法。本文就是针对欧式空间局部敏感哈希做了以下几方面的研究。1.在总结了欧式空间局部敏感哈希和其变体的优缺点基础之上,提出一种新型的局部敏感哈希算法—数据依赖的局部敏感哈希算法,通过在局部敏感哈希中引入聚类的方法,缓解了由于哈希函数与索引集分布不相适应导致的索引失衡问题。为了提高数据依赖的局部敏感哈希算法的搜索速度,我们在提出的数据依赖的局部敏感哈希基础上,提出和其相适应的查询剪枝算法,在保证检索精度的情况下,大大提高了检索的速度。2.为了实现数据依赖的局部敏感哈希算法的分布式算法,我们需要将数据集在不同运算节点之间分配,为了更好的实现运算的并行化,需要度量类别之间的相似性,我们通过引入有限制条件的聚类方法,实现各类别数据在各个运算节点之间的分配问题。实验结果表明我们提出的数据集分配方法相对于未考虑类别相关性的数据集分配方法显示出明显的优势。本文中所提出的索引算法对于提高图像检索系统的性能有着积极的意义。