(2)多种多样的措施提取特征。从图像中能够提取的特征是根据图像的一些低级视觉特征包含颜色、纹理、图像对象的形状和它们之间的空间关系等。

(3)人机交互的检索。采纳参数调整、聚类分析、概率学习和神经网络等措施，来捕获和建设相关反馈技术，即图像低层特征和高层语义的关联。

(4)相似性匹配检索。依照一些特定的匹配算法进行特征的相似性匹配，将一组按照相似度大小陈列的初始结果提供给用户，计算机进行自动的处理图像内容的表达和相似性度。CBIR的典型框架如下图1-1所示：

1-1CBIR的典型框架

1。3 CBIR技术应用

CBIR技术能够对大规模图像信息的处理和访问。它在医疗诊断、公共安全、电子商务、版权维护、皮革布料、地理信息和远程遥感、教育培训和军事等范围具备广大的运用前景。在医疗诊断方面，医生可以检索医学影像库找到病人们的相似部位，协助医生诊断病情；在公共安全方面，安全部门通过存储在数据库中的人的主要特征(如面部和指纹)的图像，进行人脸识别和指纹识别，就可能自动识别出特定的人物目标；在电子商务方面，各种网站购物容许用户拍照上传至服务器端，利用图片检索从而找到相同或类似的物品并提供购置店铺的链接；在版权维护方面，服务商运用图像检索技术提供版权的维护和认证管理：是否商标已被注册；在皮革纺织工业中，当制造商有对某种纹理的皮革布料的需求时，皮革布料生产商检索库中是否存在相同或类似的样板皮革布料，使皮革布料管理愈加便捷，基于内容的图像检索技术已经深入了多个范畴，提供了极大的便利。

1。4 经典CBIR系统介绍

(1) QBIC(QuerybyImageContent)：

第一个商用的基于内容的图像检索系统的是QBIC系统[4]。它提供的图像索引措施是基于颜色、纹理、外形和手绘草图的方法。采纳均匀色和颜色直方图表示颜色特征；采纳纹理的粗糙度、对比度和方向性三者的综合表达纹理特征[5]。目前,基于内容的检索技术QBIC系统应用于IBM数字图书馆中，用户能按照例子图像、用户草图、纹理方式等方式完成主动索引、归并、比照和翻译等功能。

(2) VisualSeek&WebSeek:

哥伦比亚大学开发的VisualSEEK：视觉特征检索引擎及WebSEEK：面向网络的文本和图像检索引擎。VisualSEEK系统利用全局颜色直方图和小波变换[6]，区域颜色的索引是二进制色彩集表达办法。图形用户界面、服务器运用、图像检索服务器和图像归档这4个模块构成了VisualSEEK系统。

面向网页的检索是WebSEEK，它的检索基于关键词和视觉内容，用户界面便利友好，搜索路径丰富，用户可直接下载信息。图像&视频搜集模块，对象分类索引模块和检索浏览&查找模块这三个模块构成了WebSEEK系统。

1。5 论文结构

本文的内容构架介绍如下：

第1章作为本文的绪论，首先概括阐述了本系统设计的选题背景及研究意义，简述了图像检索技术的发展和分类，其次论述了CBIR技术的运用场所，并对经典CBIR系统介绍做了简略的介绍。

第2章描绘了图像的特征分析。首先是图片颜色特征的分析，通过比较RGB颜色空间和HSV颜色空间的异同，将图像转换成合乎人类视觉的颜色空间。经过颜色量化缩小计算量，而后描绘了几种颜色特征的提取措施。然后简略的叙说纹理特征，描绘了几种纹理特征的提取措施。最后说明了本系统运用的颜色和纹理特征提取办法。