随着大数据时代的到来,人们越发关注数据的内容和价值。对于图像、音频、视频等多媒体信息,传统的检索方法已经不能满足人们的需求。kNN查询、范围查询和正交范围查询是常见的基于内容的查询方法。为了高效查询,数据通常存储在针对kNN或范围查询等某一查询而优化的索引中,这将引起其他查询效率低下的问题。论文专注于先进的BC-iDistance索引,通过分析na?ve方法和空间分解方法存在的问题,提出一种基于数据分解的方法。在不改变BCiDistance原有的数据结构和索引机制的前提下,使得用于kNN查询和范围查询的BC-iDistance索引能够支持正交范围查询。本文的主要研究内容如下:(1)针对na?ve方法进行正交范围查询会引入大量的“误中”向量导致查询效率低的问题,提出了一种基于数据分解的方法。该方法关注正交范围查询区域与聚类相交的区域,忽略正交范围查询区域内那些没有数据的部分。在不改变BC-iDistance原有的数据结构和索引机制的情况下实现了正交范围查询。实验采用不同分布的数据集,在多种查询条件下进行正交范围查询,论证了基于数据分解方法的实用性,证明了在kNN或范围查询索引上构建正交范围查询方法的可行性。(2)针对单机版的索引可能导致的性能瓶颈问题提出了P2P网络下的正交范围查询算法W-Chord。W-Chord将基于数据分解的正交范围查询算法与Chord协议结合,实现了P2P网络下的正交范围查询。(3)基于上述技术,研发了图像相似性检索子系统,系统提供范围查询和正交范围查询两种查询方式实现图像的相似性检索。