本文研究工作是针对手机图片搜索引擎的应用背景,以构建手机图片搜索引擎为目标,提出基于文本检索方式的Web图片搜索引擎设计方案。本文重点地研究如何从HTML文档中提取图片相关信息,保证高效和准确的实现图片检索。在对真实数据进行实验和分析的基础上,提出了若干关键技术,用于系统的设计,现归纳如下:本文提出对PageRank算法的改进。PageRank值仅依赖于网络的链接结构,而与具体的检索内容无关。无论得到多少的检索语句,PageRank也是一定的、文件固有的评分量。本文提出的方法通过细致地分析并利用真实数据进行实验验证,总结了9条提取模式,用于从这些结构中提取与图片相关的信息,以保证提取到的信息相关性程度较高。研究了三种具体的提取方法:基于DOM的方法、基于字符串的方法和基于Wrapper的方法。提出了过滤无用图片的方法,提高了系统中图片的可用度。该方法将图片文件大小小于某一阈值,图片的长或宽小于某一阈值,图片的长宽比例超过某一阈值以及同一网页内通过<img>引用次数超过某一阈值的图片作为无用图片剔除。探讨了将LSI算法应用于图片搜索引擎来整合文字和内容信息的方法,并通过简单实验进行了效果验证。