一、前言

在如今信息高速传播的时代，人们对特定信息检索的需求越来越大。如何在汪洋信息大海中快速有效地检索出所需的信息，是信息检索的一个重要研究方向。而在这其中很重要的一部分就是图像检索。目前，卫星系统、监测系统、科学试验和生物医学等领域中图像数据的数量急剧增长。早在1995年美国国家航空航天局NASA（National Aeronautics and Space Administration）的地球观测系统每天就产生约1T 的图像数据^[1]，而要在这茫茫图像中快速寻找到所需的图像资源，显然传统的基于文本的图像检索难以满足需求。而且图像数据包含了复杂的视觉、时间、空间特性甚至主观特性，单纯的文本信息难以完全清楚地描述出一幅图像的内容，这时另一种基于内容的图像检索(Content-based Image Retrieval，CBIR)就应运而生。这项技术最初是解决报刊媒体大量图片难以检索的问题而出现的，与此同时，也带来了巨大的商机。根据Hitwise数据调查，每年图片数量增长率为90%，每月有超36万用户通过Google，Yahoo，Ask，MSN和AOL大型搜索引擎进行图片搜索[2]。

基于内容的图像检索的主要方法是提取图像的视觉特征，如颜色、形状、纹理及空间关系等，并建立图像特征库，将查询图像和图像库特征的相似性进行比较。

二、研究现状

作为信息检索的一个重要方向，基于内容的图像检索自20世纪90年代起，逐渐成为计算机视觉应用领域的一个研究热点。鉴于其重要的实用价值，国内外各大研究机构纷纷投入大量人力和资金进行研究开发，也取得了一系列令人瞩目的成果。

由于信息技术高速发展的需求，我国从二十世纪90年代后期就开始了相关的研究。在医学、地质、工业生产、公共安全和版权保护领域等都有了出色的成果。比较有代表性的是由中国科学院计算技术研究所与北京图书馆共同研究开发的”基于特征的多媒体信息检索系统MIRES”[3]，MIRES可以实现基于特征的图像信息检索，重点研究按照颜色、形状、纹理等特征对图像信息进行检索。

而国外技术前沿的欧美地区，对于CBIR的研究技术已比较成熟。比较著名的有哥伦比亚大学的Visual SEEK系统和较早被作商用的有IBM公司开发的QBIC系统[4]。Visual SEEK系统创新实现用户通过图像颜色空间进行检索。系统查询同区域具有类似图像的图片。查询前系统自动提取图像显著的颜色区域。通过利用颜色信息，区域的大小和绝对和相对空间位置，计算各种各样的复合颜色及其索引技术；IBM推出的QBIC系统可以按照颜色，灰度，纹理和位置查询。查询以图形方式表达，从颜色表中选取颜色或者图像的纹理。结果根据相关性排序，使用户更为快速对图片信息进行筛选。

三、原理及实现