近年来,随着计算机网络上数字图像信息的飞速增长,使得基于内容的图像检索技术(Content Based Image Retrieval,CBIR)得到了广泛的研究。CBIR的首先提取出图像的特征建立特征数据库,把图像集中的一个实例转化成高维向量空间中的一个点,即特征向量。这样对图像基于内容的相似检索就转化为对特征数据库中高维数据的最近邻查询(Nearest Neighbor,NN)。而CBIR中的一个关键问题是如何对高维的图像特征数据建立有效的索引结构。在图像检索的很多情况下,只需要解决近似最近邻查询问题。在以这种思想为指导所设计的索引中,最为著名的是本地敏感散列(Locality Sensitive Hashing,LSH)索引方法。LSH索引方法可以以概率方式保证一定的查询精确度的前提下实现快速的近似最近邻查询。PLSH(PDF LSH)索引结构是原始LSH索引的扩展。PLSH索引结构支持在图像在感知函数(Perceptual Distance Function,PDF)距离度量下的近似最近邻查询,在保持索引查询效率的同时提高了查询的准确性,并在理论上说明PDF在索引方法中的有效性。PLSH索引结构采用索引结构关键参数自动调整方法,使得索引结构可以自动根据数据集的特征对参数进行调整,以进一步优化索引的查询性能。PLSH索引结构在设计中预留并行接口,以便计算时间复杂更高的相似度度量能够容易的整合于系统中。初步实验表明,PLSH索引结构相比原始的LSH索引结构,PLSH能提供更好的查询准确性和几乎相同的查询速度。