图象索引技术是图象数据库研究的一个重要内容。本文首先对图像索引相关内容进行了研究，描述了图象的基于重量分布索引表示方法和基于重心位置的索引表示方法，在此基础上把这两种索引序列结合起来构造出图象的基于重量分布和重心位置的索引特征向量(简称IGDC)，然后将该特征向量归一化后作为高维空间R-树的叶节点，利用最小包围盒构造R-树的中间节点，从而完成一种有效的图象索引技术。其次，给上面归一化后的特征向量定义两种长度，利用这两种长度构造图象的特征向量，并且针对图象的IGDC结构利用R-树的最小包围盒的思想设计了一种新的基于R-树思想的索引方法，从而完成了一种简单有效的图象索引方法。这种索引方法占用存储空间较小，并且对污染、破损、变形等图象也具有较好的查找效果，具有较高的稳定性，同时也是在图象点集上定义多种距离进行查找的尝试。再次，利用图象兴趣点序列的计算方法以及图象矩阵的奇异值性质，给出了基于图象兴趣区域的奇异值索引方法。这种索引方法对图象的随机噪音不敏感、有较好的稳定性。 文章最后对图象的分形索引进行了讨论，利用分形理论给出了图象的一种分形树索引方法(FAI)及FAI序列查找算法，并给出FAI序列与一种重要的图象索引方法—Hilbert方法的Hilbert序列之间的转换关系。这种索引方法如果深入下去能够用在知识表示等领域，掌握并且利用分形技术可以有希望研究复杂的非线性世界。