近年来,随着多媒体技术和计算机网络的飞速发展,作为多媒体数据的重要组成部分,图像数据也正以惊人的速度增长。如何能从这些海量图像数据中高效、快速地检索出所需要的信息是当前所面临的重要问题。传统的基于文本注解的图像检索方法已经无法满足用户的需要。基于内容的图像检索技术(Content-Based Image Retrieval, CBIR)是目前图像检索中通常采用的技术。其主要思想是根据图像所包含的颜色、纹理、形状等,提取出特征向量,并建立图像的特征库,通过计算查询图像和特征库中图像的特征向量间的相似度得到查询结果。由于图像库的数据容量大,而且数据都是高维数据,需要采用高维空间的索引技术以减少响应时间。高维空间的索引技术是通过建立索引结构来提高高维数据库上检索效率的一门科学。图像数据库检索离不开高维索引技术的支持。目前,人们对高维索引技术已进行了大量研究,提出了众多的索引结构,例如R树、KD树、SR树等,这些索引结构在低维空间中性能很好,但是,在高维空间中,性能急剧下降,甚至不如顺序查询,这种现象被称为“维数灾难”。本文对基于内容的图像检索技术和国内外有关的高维索引技术和方法进行了综述,在分析和比较现有高维索引结构的基础上,详细讨论了自己的索引结构和算法A-iDistance,并在医学图像数据和模拟数据上做了实验研究。实践证明,该索引结构在高维空间中有着良好的性能。