随着计算机技术的研究和发展,图像数据库正在许多领域得到了越来越多的应用。基于内容的图像检索应用也成为了近年来的研究热点之一。目前,基于内容的图像检索主要着眼于对视觉特征的匹配。由于视觉特征的高维性质,高维数据的索引机制是在大规模图像数据库上实现基于内容检索的关键技术。面对“维度灾难”带来的影响,如何建立快速、高效的高维特征索引,是当前面临的巨大挑战。本文主要针对多维模型进行了研究,在分析了当前流行的多维索引方法之后,提出了一种基于特征驱动和数据驱动的混合索引模型,并且提出了图像特征向量匹配的空间约束条件以进一步改善图像检索的精确度。传统的多维索引方法可以分为两类,基于特征驱动和基于数据驱动。基于特征驱动的方法采用选取特征向量,对特征空间进行划分的索引方法。等问题。而基于数据驱动的方法采用数据聚类,对特征空间进行分类。当前流行的词汇树模型,就是基于数据驱动方法的代表。本文在分析了两类方法的优缺点后,提出了将特征驱动的方法(K-D森林)引入词汇树模型的混合模型。在提高聚类精度的同时,还降低了计算复杂度。同时,针对词汇树模型的TF-IDF排序算法的缺点,提出了对IDF权重进行基于空间密度的修正。并且提出了图像特征匹配的空间约束的加强条件,使得图像特征的匹配更加精确,过滤背景噪声对视觉目标匹配的影响。本文通过了一系列对比实验来证明本课题提出的方法的有效性。最后实现了一个完整的高效的海报检索系统。