近年来，随着多媒体技术和计算机网络的飞速发展，全世界的数字图像的容量正以惊人的速度增长。无论是军用还是民用设备，每天都会产生容量相当于数千兆字节的图像，其中包括来源于卫星系统、各类监测系统、科学实验和生物医学等领域的图像资料，这些数字图像中包含了大量有用的信息。然而，由于这些图像是无序地分布在世界各地，图像中包含的信息无法被有效地访问和利用。因此，如何从海量的图像数据中高效、快速地检索出所需信息是当前许多应用领域所面临的重要问题。 传统的基于文本注解的图像检索方法，存在着手工注解工作量过大和文本注解带来的主观性和不精确性等缺陷，已不能满足需求。为了克服传统图像检索技术存在的问题，就需要全面地、一般性地和客观地提取出图像的内容。基于内容的图像检索（Content-Based Image Retrieval，CBIR）技术应运而生。其主要的思想是根据图像所包含的色彩、纹理、形状以及对象的空间关系等信息，提取出特征向量，并建立图像的特征库，然后计算查询图像和特征库中图像的特征向量间的相似度，并返回查询结果。由于基于内容的图像检索技术利用了图像本身包含的客观物理视觉特征来进行检索，从而不需要或者仅需要少量的人工干预，因此在需要自动化的场合取得了大量应用。 随着图像库容量的迅速增大，图像检索的实时性要求也日益突出，检索系统对用户查询的响应时间成为图像检索系统能否实用化的关键。而有效的高维索引机制则是面向大规模图像库检索能够达到实时性要求的关键技术。但由于图像特征数据的特点，传统的一维索引已不适用于CBIR，需要采用高维索引技术。本文比较全面的介绍了高维索引相关技术，重点研究了R-Tree、VA-File等索引方法，分析了其特点和不足。在此基础上，作者结合了二者的优点，提出了一种新的空间索引——RBVA-Tree，并通过模拟试验证明了RBVA-Tree的性能优于R-Tree，VA-File等现有的索引方法。 最后，在研究的基础上，本文实现了基于内容的图像检索原型系统。系统基于Linux环境，支持目前常用的检索方式，经测试，系统运行高效、稳定。