图像数据库是基于本体的图像语义检索系统的核心,是实现图像资源可重用性、共享性的基础。图像检索中的图像资源管理问题已成为当前数据库领域的研究热点。本文综述了目前国内外关于本体和异常检测以及索引优化的研究成果,在分析现有研究成果的基础上,对高维图像数据的异常检测和潜在语义索引优化进行了深入的研究,主要研究内容有以下几点：首先构建了一个分布式的数据异常检测模型,给出了高维数据的异常点形式化定义,设计了基于奇异值分解的异常检测算法。本文以矩阵的视角来看待图像特征数据,对此进行奇异值分解,该算法基于矩阵分析来近似数据的分布,不但能够快速地增量更新,有效地解决了数据流的快速演化和一次遍历等问题,而且复杂度较低,支持非常高维的流数据异常检测。通过不同类型数据集的实验验证了本文算法的异常检测性能相比其他同类算法都有较大的提高。其次本文提出一种基于潜在语义索引和领域本体相结合的空间表示模型,该模型基于本体查询词权重赋值策略和查询扩展算法,得到经过潜在语义扩展的查询扩展向量及其权重向量,将查询扩展向量映射到先前建立的LSA潜在语义空间,根据相似度计算方法计算查询向量与文档之间的相似度,并将相似度大于阀值的文档作为检索结果降序排列返回给用户,该方法能更有效地提高图像检索的查准率和查全率。最后设计和实现了一个基于本体的图像数据库检索系统。介绍了该系统的主要功能、开发工具和总体架构,讨论了系统各主要模块的详细设计及实现方案。