随着互联网的快速发展,互联网中产生的信息呈海量化和多样化的趋势。网络中的数据不仅数量庞大,而且类型多样。如何充分利用各种数据间的联系,从海量的多媒体信息中快速准确的获取到所需的数据已经成为信息检索领域的研究热点之一。论文采用Hadoop平台,分别实现了基于文字的图像检索和基于内容的图像检索系统。论文的主要成果如下:1.利用话题发现技术,联系文本和图像之间的关系,对图像进行标注。对文本特征向量的生成、话题聚类进行了研究,并对相应算法进行了基于Hadoop平台的并行化移植,通过在公开数据集上的测试实验,验证了采用并行化算法,可以在保证聚类准确率的基础上,有效降低运算时间;2.利用Hadoop平台对基于内容的图像检索算法进行了并行化研究。针对图像特征提取和图像检索两个部分,分别利用MapReduce框架进行了并行化实现,采用HBase作为存储,利用E2LSH建立了图像特征索引。在Corel-1000图像数据集上的实验,验证了在保证算法精度的同时,大幅提高了海量图像检索中的特征提取和匹配的速度;3.利用实验室闲置机器,搭建了包含15台节点的Hadoop集群,在集群上进行了算法验证和系统测试。测试结果表明该系统可以稳定运行,同时相比单机系统,在保证和单机系统相当的准确性的基础上,大幅度提高了海量文本、图像检索的速度