由于信息技术的飞速发展和社交网络的普及,图像数据库的规模与日俱增,这也为图像检索技术带来了新的挑战。如何对这些大规模的图像数据库进行高效的检索,是信息检索领域中一个亟需解决的问题。传统的图像检索技术主要包括两种:基于文本的图像检索以及基于内容的图像检索。前者通过计算查询关键字与图像的文本注释之间的相似度。来检索相似图像,简单快捷,但依赖于人工标注。而人工标注会带来高昂的人力和时间开销,且文本描述具有主观性、多义性和不确定性等缺陷。后者则利用图像的低层视觉特征来衡量相似性,避免了人工标注的弊端,但图像的低层视觉特征和高层语义之间的“语义鸿沟”,是其难以避免的瓶颈。为了减小传统图像检索方法中的语义鸿沟,融合文本和视觉信息的图像检索成为了近年来的一个研究热点,然而这方面的工作多集中于研究图像的特征模型、哈希技术和融合策略等针对图像本身的处理方法,以此来提高检索的质量和图像处理的速度,但对于如何利用索引机制来提高检索过程的效率这方面却关注甚少。因此,本文针对基于内容和文本的混合图像检索问题,就提高检索效率方面进行了一定的研究。首先,文章采用线性融合策略,基于图像视觉特征和文本注释的混合相似度,将top-k图像检索问题归约为一个与空间关键字查询相似的问题;然后,通过结合曼哈顿哈希、倒排索引和M树等技术,我们设计了一个新型的混合图像索引结构HIR树,并提出该索引在检索中所需的一系列重要的度量属性;同时,基于此索引,我们提出了一个高效的top-k混合图像检索方法,包括预处理过程、HIR树的构建算法和top-k查询算法三个主要部分。最后,文章对该检索方法进行了严密的理论分析,并通过在多个测试数据集上进行一系列的参数实验和对比试验,证明了本文的方法可以在保持准确率的前提下,显著地提升图像检索的效率。