随着网络技术,数字多媒体技术的高速发展,各类的信息迅速增长,人们接触到大量的图像信息,导致人们对图像检索的要求越来越迫切。传统的基于文本的图像检索已经不能适应环境的发展。基于内容的图像检索技术应运而生,它借助于自动提取的高维特征,对图像进行近似匹配,是融合了多种技术的图像检索技术。本文首先介绍了基于内容的图像检索技术的背景、发展和研究现状,总结了一个通用的基于内容的图像检索的框架,在此基础上对基于内容的图像检索的两个核心问题,特征提取和表示,相似性度量进行了系统的介绍。在图像数据库中,图像的特征表示为高维的特征向量。图像特征的高维特性使得一般的传统索引结构不再适合,高维数据空间的索引成为一个重要的研究领域。基于内容的图像检索非常需要高效的索引来提高性能。本文首先介绍了聚类分析的方法,并对小波分析的概念和典型高维索引结构进行了系统的阐述。最后从聚类的预处理出发,结合小波分析,提出了一种新的索引结构-CBB-tree索引结构。该索引结构是对一种聚类树的改进,结合了B+树的搜索性能。在这个设计思想下,作者设计并实现了一个基于内容的图像检索实验系统,通过大量的实验结果比较分析,证明了提出的这个新的索引结构能够提高基于内容的图像检索的效率。