高维索引技术是研究通过建立索引结构来提高高维数据库上检索效率的一门科学。图像数据库作为高维数据库的重要组成部分,其检索离不开高维索引技术的支持,近年来备受研究人员的关注。 本文对国内外现有关于高维索引的技术和方法进行了综述,并从理论、算法和应用三方面对高维索引技术进行了研究。在分析和比较现有高维索引结构的基础上,提出了自己的索引算法;并以此为基础,设计和实现了医学图像数据库检索原型系统。本文的工作主要包括: 1.从高维数据空间查询处理出发,分析了高维数据及其索引技术的特点,探讨了高维数据查询的主要技术,归纳总结了高维索引的基本思想、结构以及索引算法。 2.从索引思想、结构和适用性能等方面对度量空间索引方法MAM和向量空间索引方法SAM中的多个典型索引结构进行了分析和比较,归纳总结了二者的区别和联系,指出了图像数据库索引技术的研究方向。 3.提出了M树索引方法。该方法是以度量索引方法——M树索引结构为基础,采用基于全局的多分支插入算法建立索引,并结合改进的Slim-down算法对建立的索引结构进行优化。该方法提高了索引树节点利用率,降低了节点之间的重叠率,其最大特点是适于高维甚至超高维的数据检索。实验验证了该方法在高维数据检索中的优势。 4.设计并实现了基于M树索引的医学图像数据库检索系统。该系统从医学图像信息的特点出发,采用极大熵阈值分割方法,提取区域度量直方图作为医学图像特征,并应用M树索引方法对直方图特征库进行了索引和组织。实验系统特征提取算法简单,特征索引效果明显,有效地提高了检索的性能。