本章中我们主要使用两种查询处理算法，分别是Naïve和KD-Tree。
在Naïve查询处理算法中，分别计算查询图像的特征向量与图像库中的每张图像的特征向量之间的（欧氏距离或余弦）相似度。最后，返回图像库中与输入图像的特征最相似的若干张图像。
KD-Tree算法是对图像库中的每张图像的特征，建立一个KD-Tree结构，以实现对输入的查询点的快速查询处理。KD-Tree的相关原理将在本章7.9节中给出。
Naïve查询处理算法和KD-Tree查询处理算法的主要区别在于检索相似特征向量的运行时间。这两个查询处理算法与特征提取的步骤是独立的。给定用特征向量表征的图像（从图像中提取特征之后），运用Naïve查询处理算法和KD-Tree查询处理算法，都可以检索图像库中与查询图像最相似的那些图像。