本文针对海量图像检索的问题，采用分布式计算解决海量图像检索系统的两个关键技术：索引建立和索引搜索，达到减少图像处理时间的目的，主要完成了以下几项工作：（1）在高性能计算平台上搭建Hadoop集群环境，安装相关的软件，并通过KNN算法对集群的计算性能进行了测试，测试结果充分体现Hadoop集群处理大数据的能力。（2）本文采用倒排索引对图像文件建立特征库。主要选择颜色直方图、颜色布局、Tamura纹理和边缘直方图4种图像特征作为图像文件的视觉单词。在进行分布式处理之前，先采用单机环境进行了测试，采用Lucene框架对10万幅图像进行索引建立。索引建立后用多幅查询图像进行了查询实验，其中多特征综合查询方式的平均查全率和平均查准率较为满意，并且五种查询方式的平均查询时间只需几秒。查询结果表明倒排索引方式适合海量图像检索，检索过程既方便又快速。（3）设计了分布式索引系统。系统的输入文件是1个序列化文件，因此先将海量图像序列化。集群中主控制器根据文件输入格式对输入文件进行分片，并为每一个分片分配一个map任务，交由计算节点处理，各个计算节点根据片段读取方式逐次调用本地的部分图像集进行处理，从而达到并行处理的目的。本文在一个由16个节点构成的系统中进行了索引测试，并与单机处理进行了时间对比，实验结果表明当图像数量在5000幅以下时，分布式环境并没有体现其优势，甚至还不如单机处理。但是随着图像数量的增加，分布式计算远远优于单机计算。（4）设计了分布式搜索系统。系统对索引库分段，每个计算节点搜索部分索引库，最后将各个节点的搜索结果汇总起来进行重新排序后输出。实验中先在不同规模的集群下对1000万幅图像索引库和1亿幅图像索引库进行检索测试。测试结果体现出Hadoop平台对海量图像索引文件的检索能力。然后分别在单机条件和分布式环境下对10万、100万、1000万、5000万和10000万幅图像索引库进行查询实验，实验表明当图像数目在100万以下时分布式计算并没有体现其优势，但是当图像数目不断增多时，分布式检索远远优于单机检索。