Šio darbo tikslas – sukurti prototipą, kurio pagalba būtų galima atlikti efektyvų viename kompiuteryje esančių skatmeninių vaizdų paieškos rezultatų pateikimą subjektui. Prototipo veikimas yra paremtas skaitmeninių vaizdų įverčių skaičiavimo algoritmu. Pagrindinis akcentas – tai skaitmeninių vaizdų paieškos rezultatų vertinimas bei prioretizavimas. Prioretizacija vykdoma apskaičiuojant kiekvienam skaitmeniniui vaizdui įvertį, kuris nurodo pastarojo svarbą rezultatų aibės kontekste. Įverčio paieška vykdoma naudojant panašumo grafą bei taikant jame tikrinio vektoriaus centriškumo algoritmą. Darbo metu aptarti algoritmo privalumai bei trūkumai. Pateikiamos prielaidos, kurios leistų optimizuoti pastarojo veikimą. Optimizacija yra paremta daugiamačių duomenų indeksavimo spartos gerinimu. Taip pat siūlomas techninis sprendimas leidžiantis efektyviai naudoti sukurtąjį prototipą realioje operacinėje sistemoje. Darbe siūloma naudoti KD medžius. Tai alternatyva Henry Rowly, Shumeet Baluja ir Yushi Jing pasiūlytiems kamuoliniams medžiams. Darbo rezultatas – prototipas, kurio pagalba galima atlikti efyktyvų skaitmeninių vaizdų paieškos rezultatų pateikimą subjektui. Pasinaudojant pastarąja prgrama atlikta praktinė analizė. Tyrimo metu nustatyta, kad KD medžių panaudojimas ne tik supaprastina algoritmą, bet ir leidžia įvykdyti viename kompiuteryje esančių skaitmeninių vaizdų paiešką greičiau nei naudojant kamuolinius medžius, o sukurtojo prototipo panaudojimas leidžia efektyviai... [toliau žr. visą tekstą] / In this paper the problem of image search is addressed. The primary goal of the paper is to present a prototype that can be used to identify and effectively return search results to the end user (i.e., return the most relative images to some given search criteria). All the search is performed to find images stored in one personal computer. To accomplish this task an image rank algorithm is utilized. Algorithm's advantages and disadvantages are pointed out. As a result an optimization issue is discussed and a way to increase the performance of multidimensional data indexing is presented. The optimization is based on KD trees. The assumption is that these trees might work faster than ball trees. Those were proposed by authors of the original image rank algorithm. The result is a prototype that is used for searching and presenting images based on ranks that indicate relative importance of each of the image to some given search criteria. The results are prioritized. The prioritization might be thought of as sorting images by their similarities. By using the application a practical analysis was performed and the results were described in details. It was found that KD trees can be effectively used to index multidimensional data while calculating image ranks. It not only simplifies the algorithm but also provides better performance results than ball trees.