【VIP专享】基于颜色直方图的图像检索_开题报告
基于颜色和空间特征的图像检索方法研究的开题报告
基于颜色和空间特征的图像检索方法研究的开题报告一、选题背景随着数字图像处理技术的发展，图像检索技术已经成为研究热点之一，吸引了来自计算机科学、图像处理、模式识别等多个研究领域的学者。
图像检索是指在大规模的图像库中，从用户给出的查询图像中找出与之最相似的图像，并返回给用户的一种技术。
应用广泛，如医学影像、图书馆、图像检索服务等。
在图像检索中，颜色和空间特征是最基本的特征之一。
颜色特征是基于图像像素的色彩分布直方图统计，不仅可以分辨图像的整体色彩和色调，而且可以很好地表现图像纹理和颜色分布。
空间特征则是指空间布局和结构特征，包括图像的形状、大小、位置和方向等。
因此，在进行图像检索时，结合颜色和空间特征进行检索，可以有效地提高检索准确度。
二、选题意义本课题旨在研究基于颜色和空间特征的图像检索方法，探索如何提高图像检索的准确性和效率。
通过本研究，可以为数字图像处理技术的应用提供理论支持和实用技术方法，具有重要的理论和应用价值。
三、研究内容本研究的主要内容包括以下几个方面：1. 颜色特征提取：构建颜色直方图模型，采用像素级别和区域级别两种颜色特征提取方法，对图像颜色特征进行描述。
2. 空间特征提取：通过特征提取算法，提取图像的形状、大小、位置和方向等空间特征，建立特征向量模型。
3. 图像检索算法设计：基于颜色和空间特征建立图像数据库，设计基于颜色和空间特征的图像检索算法，实现图像的快速检索和准确匹配。
4. 实验与分析：通过实验对比分析不同算法的性能和效果，从而得出优化算法的方案，提高算法的检索准确性和效率。
四、研究方法本研究主要采用以下方法：1. 文献调研法：调研并综述图像检索领域的研究进展和技术应用现状，收集和整理相关文献资料。
2. 实验研究法：对比不同算法的性能和效果，通过实验结果分析和归纳总结，提出算法优化方案。
3. 理论分析法：从数学和计算机科学的角度，探讨基于颜色和空间特征的图像检索算法的理论基础和优化方法。
图像信息检索研究【开题报告】
毕业论文开题报告信息与计算科学图像信息检索研究一、选题的背景与意义随着网络传送速度与计算机信息处理速度的提高，网页中对多媒体信息的使用变得十分普及，特别是图像信息，己经成为表示网页内容不可缺少的组成部分。
因此人们对多媒体信息的检索需求也就随之随之变得特别迫切。
但由于图像检索系统涉及了多学科的知识，实现和应用的难度相当高，所以已有的图像检索系统都有各种各样的缺陷。
二、研究的基本内容与拟解决的主要问题首先将各种图像检索技术的工作原理、研究现状、相关图像搜索引擎与发展趋势作一个介绍。
然后介绍这种图像检索技术并阐述Web页中的图像与文本之间的关系，对相似度等作出了详细的论述。
三、研究的方法与技术路线介绍几种检索技术的方法，并进行比较，再用2种检索技术结合检索图像信息来观察检索结果，从检索结果中更直观的比较各种检索技术的优缺点四、研究的总体安排与进度前期查找相关文献，中期开始学论文，后期与指导老师交流五、主要参考文献[1]李向阳; 庄越挺; 潘云鹤; 基于内容的图像检索技术与系统[J]. 计算机研究与发展 2001年03期[2]李瑜; 李磊; 基于内容的图像检索的方法研究[J]. 计算机科学 1999年08期[3]丁承; 邵志清;基于字表的中文搜索引擎分词系统的设计与实现[J]. 计算机工程 2001年02期[4]张建东; 苏鸿根; 基于内容的图像检索关键技术研究[J]. 计算机工程 2004年14期[5]刘健; 徐磊; 张维明; 基于动态反馈的负载均衡算法[J]. 计算机工程与科学 2003年05期[6]罗永兴; 于明; 陈雷; 基于内容的图像检索系统研究[J]. 计算机与数字工程 2004年06期[7] 刘俊熙; 图像检索系统中关键技术[J]. 情报杂志 2004年07期[8]张文进; 文本信息检索中的概率模型[J]. 情报杂志 2005年03期[9]赵仲孟; 张选平;分布式检索中索引数据分布模型与求解方法[J]. 计算机工程与设计 2005年08期[10] 王晓黎; 王文杰;基于向量空间模型的文本检索系统[J]. 微电子学与计算机 2006年06期[11]Abby A. Goodrum College of Information Science & Technology, Drexel University 5July 2008 ,[12] George Leifman Ron Meir and Ayellet Tal. Semantic-Oriented 3d Shape Retrieval Using Springer- Relevance Feedback. Visual Comput. 2005. DOI 10.1007/s00371-005-0341-z. Verlag 2005[13] Gene C.-H. Chuang and C.-C. Jay Kuo. Wavelet Descriptor of Planar Curves: Theory and Applications. IEEE Transactions On Image Processing. Jan. 1996. Vol. 5, No. 1[14]章毓晋著; 基于内容的视觉信息检索[M]. 科学出版社, 2003[15]杨静宇,曹雨龙编著; 计算机图像处理及常用算法手册[M]. 南京大学出版社, 1997[16] [美][KennethR.卡斯尔曼]KennethR.Castleman著; 朱志刚等译; 数字图像处理[M]. 电子工业出版社, 1998[17]夏德深,傅德胜编著; 现代图像处理技术与应用[M]. 东南大学出版社, 1997[18] 肖军; 面向对象的多媒体信息系统控制和安全机制的关键技术研究[D]. 吉林大学2005[19] 孙君顶; 基于内容的图像检索技术研究[D]. 西安电子科技大学2005。
基于颜色和纹理特征的图像检索技术研究的开题报告
基于颜色和纹理特征的图像检索技术研究的开题报告一、研究背景和意义随着数字图像的普及和网络技术的快速发展，以图像为基础的信息检索和分类技术越来越重要。
而图像检索技术是其中的一个重要领域，其目的是使用户能够提供查询图像，系统通过使用特定的算法从数据库中检索出与查询图像相匹配的图像集合。
基于颜色和纹理特征的图像检索是图像检索中的一种常见方法。
颜色和纹理是人们识别和理解图像所必需的基本信息特征，因此利用这些特征进行图像检索具有相当实用的价值，无论在工业界还是学术界都有着广泛的应用前景。
二、研究内容和方案本研究旨在提出一种基于颜色和纹理特征的图像检索技术，主要研究内容和方案如下：（1）颜色和纹理特征的提取与表示方法：通过对图像的颜色和纹理进行分析、提取和表示，建立基于颜色和纹理特征的图像数据库。
（2）相似性度量方法：根据所提出的颜色和纹理特征的数值化表示方法，对不同图像之间的相似性进行度量。
（3）检索算法：探索基于颜色和纹理特征的图像检索算法，包括基于相似性度量的检索和基于聚类的检索等方法，并对其进行性能评估。
（4）系统实现与优化：设计和实现基于颜色和纹理特征的图像检索系统，并通过优化算法和数据结构，提升其效率和精度。
三、研究意义和预期成果本研究基于颜色和纹理特征的图像检索技术的探索和实现，有着重要的意义和广泛的应用价值，主要体现在以下几个方面：（1）提高图像搜索的效率和准确度：基于颜色和纹理特征的图像检索技术能够帮助用户在海量的图片库中更快速、更准确地检索到所需的图像。
（2）智能图像识别：通过深入研究颜色和纹理特征的表达方式，将作为一种智能化识别图像的基础，为机器视觉和计算机视觉领域的研究提供基础支撑。
（3）商业化应用：基于颜色和纹理特征的图像检索技术可以广泛应用于电子商务、文化艺术、卫生医疗和智能农业等领域。
研究预期的成果为，设计和实现一种基于颜色和纹理特征的图像检索系统，并通过实验验证其效率和准确度。
基于区域的彩色图像检索技术的开题报告
基于区域的彩色图像检索技术的开题报告一、选题背景随着数字图像技术的不断发展和广泛应用，图像检索技术已经成为解决海量图像数据快速查询和获取的重要手段。
基于区域的彩色图像检索技术是图像检索技术的热点之一。
由于彩色图像具有更丰富的信息，因此在实际应用中更受欢迎。
而基于区域的检索方法可以针对用户感兴趣的区域进行检索，相对于全局特征检索方法更具优势。
因此，开展基于区域的彩色图像检索技术研究对于提高图像检索效率和准确率具有十分重要的意义。
二、选题意义1.应用价值基于区域的图像检索技术可以广泛应用于图像检索领域，如文化遗产保护、自然资源保护与管理、图像管理和检索、计算机视觉和机器人等领域。
2.研究价值通过基于区域的彩色图像检索技术研究，可以深入了解图像检索技术的基本原理与方法，对于提高图像检索技术的准确性和效率具有重要意义。
同时，还可以为图像识别、图像分类等相关研究提供基础方法。
三、研究内容本论文主要研究基于区域的彩色图像检索技术，研究内容包括以下几个方面：1.分析彩色图像的特点，探索彩色图像在检索中的应用价值。
2.调研当前基于区域的彩色图像检索技术的研究现状，分析各种方法的优缺点，并总结其发展趋势。
3.研究彩色图像的特征提取和描述方法，包括颜色特征、纹理特征和形状特征等。
4.探讨基于区域的彩色图像索引和检索算法，包括视觉词汇(vocabulary)、海量图像检索(database of local descriptors)、基于学习的方法等。
5.设计实验，在公开图像库上进行实验验证，评估基于区域的彩色图像检索技术的效果和性能，并进行比较与分析。
四、研究方法本论文采用实验方法和理论分析相结合的方式。
主要方法包括：1.收集和整理与本研究相关的文献资料，了解基于区域的彩色图像检索技术的发展历程和研究现状，分析其应用前景和主要问题。
2.分析彩色图像的特点和各种特征提取和描述方法的优缺点，提出基于区域的彩色图像检索技术研究思路和方法，并设计实验进行验证。
图像检索开题报告doc
图像检索开题报告篇一：基于颜色直方图的图像检索_开题报告篇二：图像处理开题报告xxx学院毕业设计（论文）开题报告XX届毕业设计(论文)题目图像处理院（系）电子信息工程学院专业名称通信学生姓名x x x学生学号 xxxxxxxxx指导教师 xxxxxXX年11月10日1234篇三：论文开题报告：基于图像纹理特征的图像检索系统研究与设计毕业设计（论文）开题报告论文题目：基于图像纹理特征的图像检索系统研究与设计专业：通信工程班级： b班论文题目基于图像纹理特征的图像检索系统研究与设计选题的背景、目的和意义纹理是图像本身的一个属性，它反映的是图像的粗糙、光滑或规则的程度。
检测图像间纹理的相似性是判断图像是否相似的一个重要手段，并且实践证明，利用图像纹理特征来进行图像检索是一种非常有效的方法。
这些纹理特征很好的对应了人类的视觉感知，并且在许多图像检索系统中得到了应用。
方案论证分析难点：熟练matlab软件的使用。
本毕业设计的主要要求：熟悉基于纹理特征的检索原理，掌握纹理特征几种主要的形式：tamura纹理特征、自回归纹理模型、共生矩阵和小波变换等[。
熟悉tamura纹理特征的3个纹理特征属性，分别为粗糙度（coarseness）、对比度（contrast）、方向度（directionality），最后能利用相似度中的欧氏距离计算图像的相似度。
解决方法：在已学的对图像处理的知识基础上，参阅指导老师推荐资料及网上相关资料，在掌握理论知识后利用matlab软件进行编程实现。
这个过程中遇到难解问题可多向同学和指导老师请教。
选题特色和预期成果本毕业设计题目要求能够充分掌握数字信号处理理论知识，并利用该技术对图像信号做分析和处理，在此基础上能够利用matlab编程技术实现图像检索系统，利用图像的纹理特征对于给定的待检索图像，能够在图像库中找出与该图像相同或相似度在一定范围内的图像(原文来自：小草范文网:图像检索开题报告)予以返回，并能对系统的查全率和查准率进行分析。
基于视觉关注的彩色图像检索技术研究的开题报告
基于视觉关注的彩色图像检索技术研究的开题报告一、选题背景及意义随着数字化时代的到来，图像数据量不断增加，而如何高效地从海量的图像中检索到所需的信息成为了研究的热点问题。
目前，基于视觉关注的彩色图像检索技术成为了图像检索领域的重要研究方向。
该技术通过模拟人类视觉系统的注意机制，将用户的关注点自然地融合在图像检索的过程中，大大提高了检索的准确性和效率，能够在海量图像库中快速地检索到所需的图片，具有很广泛的实际应用价值。
因此，本文拟研究基于视觉关注的彩色图像检索技术，以期提高图像检索的质量和效率。
二、研究内容与方法研究内容：本文主要研究基于视觉关注的彩色图像检索技术，从视觉注意机制出发，提出一种基于视觉关注的检索算法，使检索结果更符合人类的视觉感知，提高检索精度。
具体研究内容包括以下几个方面：1. 对图像进行预处理和特征提取，得到特征向量。
2. 建立视觉关注模型，获取视觉关注点。
3. 计算特征向量与视觉关注点之间的相似度，排序输出检索结果。
研究方法：1. 综合现有研究成果，分析彩色图像检索的关键技术和发展趋势。
2. 借鉴视觉认知和心理学方面的思路，构建视觉关注模型。
3. 实现基于视觉关注的彩色图像检索算法，并进行实验验证。
三、预期研究成果及意义预期研究成果：本文预计通过对基于视觉关注的彩色图像检索技术进行深入研究和实验验证，实现以下成果：1. 提出一种基于视觉关注的彩色图像检索算法，能够有效地提高检索精度和效率。
2. 根据实验结果，分析算法的优势和不足，进一步完善算法。
3. 在此基础上，可以开发出更加优化的图像检索系统，提高用户的使用体验。
研究意义：1. 对于图像检索领域，本文提出的基于视觉关注的彩色图像检索技术能够有效提高检索精度和效率，有很大的应用价值。
2. 本文的研究成果可以为相关领域的研究提供借鉴，推动图像检索技术的发展。
3. 本文的研究有助于深入了解人类视觉注意机制的作用和特点，有助于推进视觉认知研究的发展。
一种基于颜色分布的图像搜索引擎的设计与实现的开题报告
一种基于颜色分布的图像搜索引擎的设计与实现的开题报告本篇开题报告旨在介绍一种基于颜色分布的图像搜索引擎的设计与实现。
随着数字图像技术的飞速发展，对图像库进行快速高效的搜索已成为实际应用中的迫切需求。
本搜索引擎主要通过颜色分布来描述图像特征。
传统的基于颜色直方图的图像检索算法在某些情况下表现良好，但在处理大规模图像库时计算代价过高，搜索效率低下。
为了解决这个问题，我们考虑使用颜色分布来简化图像特征的表示，并在此基础上设计出一个高效的图像搜索引擎。
具体地，我们将使用以下步骤来实现该搜索引擎：1. 图像数据预处理：对原始图像进行裁剪、缩放等操作，以确保不同大小的图像能够在同一语境下进行比较。
2. 颜色分布计算：在预处理后的图像上，我们将使用一种合适的颜色空间模型（如RGB、HSV等）来计算每个图块的颜色分布。
这个分布可以是直方图、高斯分布等形式。
3. 特征表示：将颜色分布作为每个图像的特征表示。
理论上，任何图像在颜色分布上都有唯一的特征，不同的图像之间可以根据颜色分布的相似性进行比较。
4. 比较与匹配：对于用户提交的查询图像，我们将首先计算其颜色分布，并在数据库中搜索与之最相似的图像。
相似度可以由余弦相似性等方式计算。
在实现搜索引擎的过程中，我们还将考虑以下方面：1. 大规模数据集的处理：为了能够处理大型图像库，我们将考虑使用分布式计算等技术来加速搜索过程。
2. 实时性：用户在搜索引擎中提交查询图像后，我们需要保证查询效率的同时，也需要保证搜索结果在合理的时间内返回。
因此，本搜索引擎的主要研究问题包括：1. 如何选择合适的颜色空间模型和特征表示方法来描述颜色分布；2. 如何优化颜色分布计算及相似性度量算法，以提高搜索效率；3. 如何设计有效的图像数据预处理和分布式搜索算法，以应对大规模数据集的处理。
在实现过程中，我们将针对以上研究问题进行深入探究，并设计实验来验证搜索引擎的性能。
基于颜色直方图的图像检索算法研究
基于颜色直方图的图像检索算法研究近年来，随着数字图像的大规模应用，图像检索技术已经成为了计算机视觉领域的热门研究方向。
基于内容的图像检索技术是其中最为重要的一种，在利用颜色、纹理、形状等图像特征实现图像检索的方法中，基于颜色直方图的图像检索算法备受关注和推崇。
本文将对该算法进行深入的研究和探究，旨在加深人们对于该算法的认识和了解。
一、颜色直方图的构建原理颜色直方图是一种表示图像颜色分布的方法，通过将图像中每一个像素的颜色值分配到相应的颜色区间中，然后累加各区间的像素数目，最终得到的一张颜色频次分布直方图，即为颜色直方图。
构建颜色直方图需要进行以下步骤：1. 设定颜色分量划分区间。
一般情况下，将RGB三个分量分成16×16×16的划分区间，得到4096个颜色分量；2. 对于一张待检索的图像，遍历其每个像素，将其RGB值分别映射到16×16×16颜色分量划分区域中，计算每个区域内像素数量，最终得到一幅4096维的颜色直方图。
二、基于颜色直方图的图像检索算法基于颜色直方图的图像检索算法（CBIR）属于一种典型的基于内容的图像检索方法，首先将待检索图像的颜色直方图和数据库中已知图像的颜色直方图进行比较，计算它们之间的相似度，将相似度高的图像作为检索结果返回给用户。
CBIR算法具体包括以下步骤：1. 对图片进行预处理，提取出颜色直方图；2. 对于每一张待检索的图像，计算该图片颜色直方图与数据库中每张图像颜色直方图之间的相似度。
相似度计算方式一般采用欧式距离、切比雪夫距离、余弦距离等方式进行计算。
通常情况下，欧式距离的计算方式是最为常见的方法；3. 将相似度高的图像作为检索结果展示给用户；4. 用户可根据检索结果向系统提出进一步检索请求，不断优化检索结果。
三、基于颜色直方图的图像检索算法的优缺点基于颜色直方图的图像检索算法具有以下优点：1. 颜色直方图能够准确描述图像的颜色分布及特征，对各种图像类型都适用；2. 颜色直方图具有较高的计算效率，能够满足大规模图像检索的需求；3. 相较于其他基于内容的图像检索方法，基于颜色直方图的图像检索算法表现较为稳定，对噪声的容忍度较好。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
力的描述，实现视觉信息的结构化，在用户可以接受的响应时间内从图像库中查询到符合要求
的图像，最终达到用户对这些视觉信息内容自由访问的目标。
6.培养学生观察、思考、对比及分析综合的能力。过程与方法1.通过观察蚯蚓教的学实难验点，线培形养动观物察和能环力节和动实物验的能主力要；特2征.通。过教对学观方察法到与的教现学象手分段析观与察讨法论、，实对验线法形、动分物组和讨环论节法动教特学征准的备概多括媒，体继课续件培、养活分蚯析蚓、、归硬纳纸、板综、合平的面思玻维璃能、力镊。子情、感烧态杯度、价水值教观1和.通过学理解的蛔1虫.过观适1、察于程3观阅 六蛔寄.内列察读 、虫生出蚯材 让标容生常3根蚓料 学本教活.见了 据身： 生，师的2的、解 问体巩鸟 总看活形线作 用蛔 题的固类 结雌动态形业 手虫 自形练与 本雄学、三动： 摸对 学状习人 节蛔生结、4物、收 一人 后和同类 课虫活构请一并蚯集 摸体 回颜步关 重的动、学、归蚓鸟 蚯的 答色学系 点形教生生让纳在类 蚓危 问。习从 并状学理列学线平的害 题蚯四线人 归、意特出四生形面生 体以蚓、形类 纳大图点常、五观动玻存 表及的鸟请动文 本小引以见引、察物璃现 ，预身类 3学物明 节有言及的导 、巩蚯的上状 是防体之生和历 课什根蚯环学 怎固蚓主和， 干感是所列环史 学么据蚓节二生 样练引要牛鸟 燥染否以举节揭 到不上适动、回 区习导特皮类 还的分分蚯动晓 的同节于物让答 分。学征纸减 是方节布蚓物起 一，课穴并学课 蚯生。上少 湿法?广的教， 些体所居归在生前 蚓回4运的 润；泛益学鸟色生纳.靠物完问 的答蛔动原 的4，处目类 习和活环.近在成题 前蚯虫的因 ？了以。标就 生体的节身其实并 端蚓寄快及 触解上知同 物表内特动体结验总 和的生利慢我 摸蚯适识人 学有容点物前构并结 后生在用一国 蚯蚓于与类 的什，的端中思线 端活人问样的 蚓飞技有 基么引进主的的考形 ?环体题吗十生行能着 本特出要几变以动境，？大 节活的1密 方征本“特节化下物.并会让为珍 近习形理切 法。课生征有以问的引小学什稀 腹性态解的 。2课物。什游题主.出起结生么鸟 面和结蛔关观题体么戏：要蚯哪利明？类 处适构虫系察：的特的特蚓些用确等 ，于特适。蛔章形殊形征这疾板，资 是穴点于可虫我态结式。种病书生料 光居是寄的们结构，五典？小物， 滑生重生鸟内学构，学、型5结的以 还活要生类部习与.其习巩的如鸟结爱 是的原活生结了功颜消固线何类构鸟 粗形因的存构腔能色化练形预适特护 糙态之结的，肠相是系习动防于点鸟 ？、一构现你动适否统。物蛔飞都为结。和状认物应与的。虫行是主构课生却为和”其结病的与题、本理不蛔扁的他构？特环以生8特乐虫形观部特8三征境小理页点观的动位点、梳相组等这；，哪物教相，引理适为方些2鸟，育同师.导知应单面鸟掌类结了；？生学识的位你握日构解2互.生。办特认线益特了通动观手征识形减点它过，察抄；吗动少是们理生蛔报5？物，与的解.参虫一了它和有寄主蛔与结份解们环些生要虫其构。蚯都节已生特对中。爱蚓会动经活征人培鸟与飞物灭相。类养护人吗的绝适这造兴鸟类？主或应节成趣的为要濒的课情关什特临？就危感系么征灭来害教；？；绝学，育，习使。我比学们它生可们理以更解做高养些等成什的良么两好。类卫动生物习。惯根的据重学要生意回义答；的3.情通况过，了给解出蚯课蚓课与题人。类回的答关：系线，形进动行物生和命环科节学动价环值节观动的物教一育、。根教据学蛔重虫点病1.引蛔出虫蛔适虫于这寄种生典生型活的线结形构动和物生。理二特、点设；置2.问蚯题蚓让的学生生活思习考性预和习适。于穴居生活的形态、结构、生理等方面的特征；3.线形动物和环节动物的主要特征。
题 目
学生姓名
提纲(开题报告 2000 字以上)：
1. 对指导教师下达的课题任务的学习与理解
2. 阅读文献资料进行调研的综述
南京邮电大学毕业设计(论文)开题报告
基于颜色直方图的图像检索系统的设计与实现
班级学号
3. 根据任务书的任务及文献调研结果，初步拟定的执行（实施）方案（含具体进度计划）
1. 对指导教师下达的课题任务的学习与理解
行图像分析，并提取图像特征向量，利用基于这些特征定义的特征度量函数计算或评价特征之
间的相似性，将该图像的特征向量和特征库中的特征向量进行匹配，根据匹配的结果搜索图像
库中将最相似的一些检索结果就可以提取出所需要的检索图，返回给用户。CBIR 的目的不是
去理解或识别图像目标，它所关注的是能否基于内容快速发现信息，旨在对视觉信息提供强有
来进行检索，具有较强的客观性。
基于内容图像的检索 CBIR 主要依据图像的画面内容特征和主题对象特征来进行检索。由
图像分析软件对输入的图像先进行图像分析，根据图像自身所包含的颜色(灰度)、纹理、形状、
空间关系等特征以及这些特征的组合，自动抽取特征，在将输入图像存入图像库的同时将其相
应的特征向量也存入与图像库相连的特征库。在进行检索图像时，对每一幅给定的查询图，进
从20世纪70年代开始，图像检索的技术就已经开始。传统的文本检索技术，是通过关键字
式的提问查询，可以检索的关键字有图像名称、图像尺寸、压缩类型、作者、年代等图像标引。
到90年代以后，多媒体信息迅速膨胀，全世界的数字图像的容量以惊人的速度增长，这些图像
分布在世界各地，它们都是无序、无索引的。要检索靠传统技术全部都要人工标注，而人工标
太主观，不确定，不同人，不同语种，对同一幅图像的理解不同，标注描述就会千差万别。而
且随着数据库数以万计地增加，人们寻找资料变得非常耗时，造成资源无法有效利用。因此人
们提出了一种新的对图像内容语义的检索技术——基于图像内容的检索CBIR（Contented-Based
Image Retrieval），它不需要用户的参与，而利用图像自身的特征，如颜色、纹理、形状等特征
专业
在图像的形状、颜色、纹理等特征中，颜色特征是最显著、最可靠、最稳定的视觉特征， 是人识别图像的主要感知特征。相对于几何特征而言，颜色对图像中子对象的大小和方向的变 化都不敏感，具有相当强的鲁棒性。同时，在许多情况下，颜色又是描述一幅图像最简便而有效的特征。