QBIR

     提到基于内容的图像搜索，就不能不提基于文本的图像搜索。  当前几乎所有的商用图像搜索引擎如Google、百度、雅虎等都是采用基于文本的检索方式，这种方式存在很大的弊端：首先图像一般都具有丰富的细节和它的引申意义，这是难以用文字描述出来的，仅靠几个关键字或简单的注释是远远不够的；其次，对同样一幅图像，每个人都会有不同的理解，这使得利用文本标注准确的响应用户查询非常困难；第三、对图像进行文本标注只能通过手工完成，这在图像数量较少时还基本可行，但如果图像数量增长过快或总量巨大时，依靠手工来完成文本的标注将变得十分困难。而基于内容的图像检索技术很好的解决了这些问题，通过提取图像本身的特征进行检索，获得的结果将是客观而全面的，并且整个过程都是计算机自动完成的，无需人工介入，速度和精度都有了很大提高。 

     什么是基于内容的图像搜索？举个简单的例子：某年某月某天，你在路上偶遇一ppmm，并用随身携带的手机拍了一张照片，可除了这张照片再没有其他任何的信息。这个时候如果有一个基于内容的图像搜索引擎，只需将手上的图片上传，系统会自动提取图片中的特征，然后自动寻找与该特征匹配的相关信息。嘿嘿，有了照片就有了一切。不过，这暂时还只是一个美好的梦想而已，基于内容的图像搜索目前还只停留在研发阶段，就技术成熟度来说，还只能应用于站内搜索，要想推到整个互联网，真的是路漫漫其修远兮。google做这项研究已经很多年了，一直到前不久发布的Picasa2上才发现与“基于内容的图像搜索”相关的一个功能，而且只是测试功能。有兴趣的朋友可以下载试用一下，该软件中的“按色彩搜索功能”就是基于内容的图像搜索算法中的一种。有兴趣的朋友还可以看看这个网站： http://www.like.com/ ，这表面上是个购物网站，但实际上完全是为了测试他们的图像检索功能而搭建的测试站，做得确实很不错。
    

      基于内容的图像搜索技术早在70年代就有机构在做相关的研究，目前比较成功的有IBM的QBIC系统，Virage公司的图像检索系统，MIT的Photobook及美国加州大学开发的Chabot。基于内容的图像检索最关键的就是找到适合用于搜索的特征，常用的特征提取算法有：

      基于颜色特征：颜色直方图、颜色集、颜色矩、颜色聚合向量、MEPG7颜色布局算子；

      基于纹理特征：Tamura纹理特征、自回归纹理模型、Gabor变换、小波变换、MPEG7边缘直方图；

      基于形状特征：傅立叶形状描述符、形状无关矩、小波轮廓描述符；

      如果是视频文件的话，还有基于运动的特征提取算法，以上各种算法都有自己的优缺点，适用场合也不尽相同，通常需要多个特征组合在一起才能得到比较好的结果。