图像检索系统

合集下载

基于内容的图像检索技术

ＡｂｔａｔＷｉｈａｉｅｅｏｍｅｔｏｅｈｏ￣ｙｏｌｍｅｉ，ｔｅｔａｉｏａｎｏｍａｉｎｒｔｉｖｌｔｃｎｉｕｓｂｓｄｏｅｗｏｄｒｓｒｃ：ｔｔｅｒｐｄｄｖｌｐｎｆｅｎｋ，ｆｍｕｔｄａｈｒｄｔｎｌｆｒｔｅｒｅａｅｈｑｅａｅｎｋｙｒｓａｅｈｔｉｉｉｏ
一
起。它使用的是基于相似度量的示例查
询方法。目前国内外许多机构都在进行相关的研究，推出了以ＩＭ的ＱＩ和并ＢＢＣＪ
Ｏ引言
随着计算机技术和网络技术的发展，以及多媒体技术的应用，数字图像的数量正以惊人的速度增长，传统的基于关键字的信息检索技术已逐渐不能满足要
１基于内容的图像检索系统
一
般可把ＣＩＢＲ系统看作是介于信息用户和（多
求，系统将查询要求转化为计算机内部描述，并借助这些描述与数据库中的信息进行匹配，提取出需要的信息数据，用户可通过人机交互界面利用相关反馈技术
改进查询条件进行新一轮检索。
ＣＩＢＲ不同于传统的检索手段，它是利用图像的颜
色、纹理、形状、对象的空间关系等基本特征进行检索，并把这些量化特征与图像存储在
ｒｔｕｆｉｔｃｎｅｔａｅ帅ａｅｅｒｖｌＣＩｈｓｂｅｒａｔｅｒｓｒｈｔｐ．ｅａｉｃｍｐｎｎｓｆｏｔｎ —ｂｓｄｉｇ．ｉｆｃｎ，ｏｔｎ —ｂｓｏｓｉｅｄ．ｇｔｅａ（ＢＲ）ａｅｎ＆ｌｃｉｅｅｃｉＴｈｓｏｏｅｔｎｅｔａｅｅｅｒｉｖａｏｃｂｃｏｃｍａｒ

一种基于图像检索的枪弹识别系统

Ａｂｔａｔｓｒｃ：Ｔａｉｉｋｎｇａｍａｕｒｎｔｄｍｅｔｃｓｔｔｏｆｔａｔｉｇｅｏｔｏｔｃｏｏｙａｄｔｅｔｃｒｅｏｓｉｉｕａｉｎｏｈｅｃｒｒｄｅｒｃｇｎｉｉｎｅｈｎｌｇｎｈ
关键词：信息处理技术；枪弹识别；图像采集；预处理；数据库；图像检索
中图分类号：Ｔ３１４Ｐ９．１
文献标志码：Ａ
文章编号：１０ —０３２０）４０５ —５００１９（０８０ —４９０
ＡｒｒｄｅＩｅｔｃｔｏｙｔｍｓｄｏｍａｅＲｅｒｅａＣａｔｉｇｄｎｉｉａｉｎＳｓｅＢａｅｎＩｆｇｔｉｖｌ
（．京理工大学宇航科学技术学院，北京１０８；．阳炮兵学院，辽宁沈阳１０６；１北００１２沈１１１
３中国兵器工业系统总体部，．北京１０８；．００９４中北大学信息与通信工程学院，山西太原００５）３０１
４ＳｈｌｆｎｏｍａｉｎｍｍｕｉｔｎＥｇｎｅｉ，Ｎｏｔｉｒｔｆｈｎ，Ｔｉｕｎ００５，Ｓａｘ，Ｃｉａ．ｃｏｆｒｔｎａｄＣｏＩｏｏｎｃｉｎｉｅｒｇａｏｎｒｈＵｎｖｓｙｏｉａａｙａ３０１ｈｎｉｈ）ｅｉＣ－ｎ
摘要：针对国内枪弹识别技术的现状和刑事工作人员的需要，计了一套枪弹自动识别系统。设

基于内容图像检索的关键技术研究

间的关系是双向的：用户可以向系统提出查询要求，系统根据查询要求返回查询结果，用户还通过对查询结果的相关
９年代初期，随着大规模数字图像０
库的出现，上述的问题变得越来越严重。为了克服这些问题，基于内容的图像检索技术（ｏｔｎ－ａｅｍａｅｒ— ｃｎｅｔｂｓｄｉｇｅ
维普资讯
印前技术
蝴黼媾蠢黜黼黼黼糍骥戮黼黼嚣
技术专栏
刚虎
随萎釜茎
图像正以惊人的速度增长。这些数字图像中包含了大量的有用信息。这就要求有一种能快速而准确地查找访问图像的技术，也就是所谓的图像检索技术。自２０世纪７０年代以来，在数
一
应该认识到，基于内容的图像检索
系统具有与传统基于文本的检索系统完
全不同的构架。首先，由于图像依赖其
视觉特征而非文本描述进行索引，查询将根据图像视觉特征的相似度进行。用户通过选择具有代表性的一幅或多幅图例来构造查询，然后由系统查找与图例在视觉内容上比较相似的图像，按相似
研究领域中的许多技术发展起来，一大
以追溯到２纪７代末期。当时０世０年
流行的图像检索系统是将图像作为数
批研究性的或商用的图像检索系统被建立起来。这个领域的发展主要归功于计算机视觉技术的进步。
人工智能技术都无法自动对图像进行标注，而必须依赖人工对图像做出标

数字图书馆的基于内容图像检索系统研究

周宝兰．义兵张（潭大学图书馆，南湘潭４１０）湘湖１１５
【摘要】针对数字图书馆的数字图像检索问题，文章给出了数字图书馆构￣，－ｇｑ内容的图片检索数据库生成子系统和数据
．
库查询子系统实现方案，讨了检索的原理和方法，究了数字图像特征的提取典型算法。索的网络协议标准采用ＭＰＧ一研探研检Ｅ７究结果表明本系统具有一定的理论价值和实用价值，
理、保存、检索问题已凸现出来，作为信息资源的聚宝箍和集散地的数字化图书馆正日益吸引着各方人士的关注。从图书馆的信息数据库的角度来看．普通的数据库已升
级为多媒体数据库。传统的图书馆基于义本和数据的检索方式已不适应对多媒体数据进行检索．必须在原有数据库的基础上增加多媒体数据类型。本文主要针对图像数据的特点．给
出基于内容的静止数字图像检索方法。并在原有数据库的基
图１数据库生成子系统
（）字图像数据库壹询子系统二数数字图像数据库查询于系统结构框图如图２所示．其工作原理是：片户通过查询接口的友好的图形用户界面向检索ｊ系统提供数字图像特征，检索引擎利用数字图像数据的相似性测度算法，拟人的认知过程，似得到数据库的排队，模近检索引擎通过索引过滤器达到快速的目的，从而时以检索到数据库中的数据图像数据。

基于图像检索的地标识别系统

ｅｏｎｚｎａｌｎｍａｋｆｌｅ．ｒｃｇｉｉｇｌｃａｄｒｓｏｏｌｇｓｏｌｃｅ
Ｋｅｒｓａｄｒｅｏｎｔｏｙｗｏｄ：ｌｎｍａｋｒｃｇｉｎ；ＳｉＵＲＦａｇｒｍ；ＲＡＮＳｇｒｔｍ；ｃａｓｆｉｇｒｔｉｖｌｏｉｈｔＡＣａｏｈｌｉｌｓｉｎｅｒａｙｅｌ
ｔｅｌｃｔｎｉｆｒｔｎｏｈｉｔｒ．ｉｓｙｈｙｔｍｉｄｈｅｔｍａｃｎｔｅ１ｎｍａｋｄｔｂｓａｅｎｆａｕｅｈｏａｉｎｏｍａｉｆｔｅｐｃｕｅＦｒｔ．ｔｅｓｓｅｆｓｔｅｂｓｏｏｌｎｔｈｉｈａｄｒａａａｅｂｓｄｏｅｔｒｓｅｔｃｅｙＳＦＴｅｈｅｌｃｔｎｉｆｒｔｎｏｅｒｔｅｅｍａｅｉｓｏｎｔｅｌｃｌｍａ．ｅｓｓｅａｏｔａｘｒｔｄｂＵＲ．ｈｎ，ｔｏａｉｎｏｍａｉｆｔｅｒｖｄｉｇｓｈｗｎｉｈｏａｐＴｙｔｍｄｐｓａｏｏｈｉｈｈｅａｃｉａａａａｅｓｒｃｕｅａｄａｈｅａｃｉａｅｒｖｌｓｈｍｅｓａｒｓｌｏｉｈｔｅｒｔｅａｆｃｅｃ８ｒｉｅｙｉｒｒｈｃｌｔｂｓｔｔｒｎｉｒｒｈｃｌｔｉａｃｅ．ａｅｕｔｆｗｈｃｈｅｒｖｌｅｉｎｙｉａｓｄｂｄｕｒｅｉｉ３％．Ｎｕｒｕｘｅｉｎｓｓｏｒｂｓｎｓｎｃｕａｙｏｕｙｔｍ．ｅｓｓｍａｅｎｓｃｅｓｌｐｌｄｉ０ｍｅｏｓｅｐｒｍｅｔｈｗｏｕｔｅｓａｄａｃｒｃｆｏｒｓｓｅＴｙｔｈｅｈｓｂｅｕｃｓｆｌａｐｉｎｕｙｅ

面向语义属性查询的动画场景图像检索系统

法。利用全置信度和提升度构造一个正相关性评价函数，以此对频繁项集进行剪枝。实验结果表明，该算法能减少无趣关联规则数量，提升挖掘结果质量，缩短挖掘时间。关健词：数据挖掘；关联规则；兴趣度；正相关；剪枝
ＡｓｏｉｉｎｓｃａｔｏＲｕｌｕｎｉｇｒｔｅＰｒｎｇＡｌｏｉｈｍ
ｃｒｌｏｖｕｔｎｆｎｔｎｔｒｎｎｅｆｑｅｔｔｍｓｔ．ｘｅｍｅｔｌｅｕｔｓｏｔａｔｅａｇｒｍａｆｃｖｌｄｃｅｎｍｂｒｆｏｒａｎｅａａｏｕｃｉｐｉｇｔｅｕｎｅｅｓＥｐｒｎａｓｌｈｗｔｏｉｅｔｉｌｉｏＯｕｈｒｉｉｒｓｈｌｈｈｔｃｎｅｅｔｅｒｕｅｔｕｅｉｙｅｈｏ
［ｓｒｃ］ＴｅｅａｅｓｍｅｕｉｔｅｔｇｒｌｓｎｔｅｌｇｆｈｌｓｘａａｅｙｔｅｃａｓｓｏｉｔｎｒｌｐｎｎｌｏｉｍａｅｎｔｅＡｂｔａｔｈｒｒｏｎｎｅｓｎｕｅｅｏｅｒｅｃｖｔｄｂｌｓｉａｓｃａｏｅｒｉｇａｒｒｉｉｈａｒｔｕｅｈｃｉｕｕｇｔｂｓｄｏｈｈ
ＧｕｄｄｂｓｔｖｒｅａｉｎｉｅｙＰｏｉｉｅＣｏｒｌｔｏ
ＺＮＧｉ，ＨＨＡＢｎＺＡＮＧｎ，ＨＩｉｕ，ｕ・ａｇＪｇＳ￣ｎＨＵＸｅｇｎｉＬ
（ｃｏｌｆｍｐｔｒｎｆｒｔｎＨｅｅｉｅｓｙｏｅｈｏｏｙＨｆｉ３０９ＣｉａＳｈｏｏＣｏｕｅｄＩｏｍａｉ，ｆｉｖｒｉｆｃｎｌｇ，ｅｅ２００，ｈｎ）ａｎｏＵｎｔＴ

基于内容的图像检索技术研究

基于内容的图像检索技术研究内容图像检索技术，又称为基于内容的图像检索（Content-Based Image Retrieval, CBIR），是一种通过分析图像的内容特征来实现图像检索的方法。

它与传统的基于文本的图像检索方法相比，可以直接利用图像的视觉特征，无需依赖人工标注的文本信息。

内容图像检索技术在多领域都有广泛的应用，如图像库管理、医学图像分析、视频监控等。

1. 图像特征提取：内容图像检索的第一步是提取图像的特征。

图像特征可以分为低层次特征和高层次特征。

低层次特征包括颜色、纹理、形状等，可以通过图像处理和计算机视觉的算法提取。

高层次特征则是对图像语义的抽象，如物体、场景等。

这些特征的提取旨在将图像转化为数字化的向量表示，便于后续的相似度计算和检索。

2. 相似度计算：在内容图像检索中，关键的一步是计算图像之间的相似度。

相似度可以基于图像的特征向量进行计算，常用的方法有欧氏距离、余弦相似度等。

一般来说，相似度计算会考虑多个特征之间的加权组合，以综合反映图像的相似程度。

通过相似度计算，可以建立图像库中图像之间的相似性关系，为后续的检索提供基础。

3. 检索方法：基于内容的图像检索可以采用不同的检索方法，如基于特征的检索和基于查询的检索。

基于特征的检索是指通过提取图像的特征向量，然后与图像库中的特征向量进行相似度匹配，找到相似的图像。

而基于查询的检索是指用户通过输入图像或图像的描述信息作为查询条件，系统通过计算查询图像与图像库中图像的相似度，返回检索结果。

4. 索引结构：为了提高图像检索的效率，常常需要构建索引结构来加速检索过程。

索引结构可以基于图像的特征向量进行构建，如kd树、R树等。

通过索引结构的建立，可以减少相似度计算的次数，提高检索性能。

5. 评估和优化：对于内容图像检索技术的研究，评估和优化是不可或缺的环节。

评估可以通过比较检索结果与人工标注结果之间的差异来衡量检索系统的性能。

优化则需要根据评估结果，对图像特征提取、相似度计算、索引结构等方面进行调整和改进，以提高检索的准确性和效率。

颜色和纹理特征在特定医学图像检索系统中的应用

中具备同样病例的医学像，供医生进行诊断辅助判断）因此，何根据医学图像的特点利用内容进行检索是目前利用计算机技术帮助医。如生进行病情诊断的一种有效府川。本义利刖颜色和纹理特征实现了一个检索系统原型，下来介绍系统的具体算法实现。接
（ｎｚｏｒｌＵｎｖｒｔ，ｎｚｏ１０２ＨａｇｈｕＮｏｍａｉｅｓｙＨａｇｈｕ３０１，Ｃｈｎ）ｉｉａ
Ａｂｓｒｃ：Ｍｅｉａｍａｅｅｒｅｌｆｅｔｉｅｉａｍａｓｉｌａｕｒｎｇｈｏｔｒｓａｃｔａｔｄｃｌｉｇｒｔｉｖａｏｒｃｒａｎｍｄｃｌｉｇｅｓａｗｙｓｄｉｅｅｒｈ．Ｉｏｐｅ，ｗｅｆｃｎｎｄｃｉｍａｅｎｕｒｐａｒｏｕｓｏｅｏｓｏｐｃｉｇｓｒｔｉｖｌｗｉｈｔｅｈｏｏｓｏｒｍａｅｕｅｐｃｒ．Ｃｏｏｓｏｇａｉｏｐｅｅｅｂｔｓｌｃｉ，ｃｖｅｓｏｎａｅｒｅａｔｈｅｍｔｏｄｏｆｃｌｒｈｉｔｇａｎｄｔｘｔｒｓｅｔｕｍｌｒｈｉｔｒｍｓｍｌｍｎｔｄｙｈｅｅｅｔｏｎｏｎｒｉｎｄｃｑｕｎｔａｉｏｏｒｓｃｅｔｒｅｔｅｅｔａｔｏｓａｈｉｖｄｂｙｔｅｔｘｕｅｓｅｔｕｍ．Ｅｘｐｅｉｅａｅｕｌｓｓ－ｈａｈｅｒｅｌｒｓｌａｉｔｏｎｏｆｃｌｐａｅ，ｔｘｕｅｆａｕｒｘｒｃｉｎｉｃｅｅｈｅｔｒｐｃｒｚｒｍｎｔｌｒｓｔｈｏｖｔｔｔｅｒｔｉｖａｅｕｔｖ

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)。

摘要基于文本的图像检索技术存在两个缺点。

首先，标注每个图像是比较困难的；再次主观性和图像注释的不精确性在检索过程中可能引起适应性问题。

基于内容的图像检索技术克服了传统的图像检索技术的缺点。

基于内容的图像检索技术分为特征提取和查询两个部分。

本文主要介绍基于颜色特征的图像检索技术颜色特征是图像的基本特征也是最为直观的特征之一。

着重探讨了颜色空间的选取颜色特征的提取和表达颜色的相似度以及现有的图像的检索系统和存在的问题。

在这里颜色空间的选取有RGB颜色模式HSV颜色模型。

颜色提取的基本思想是用颜色直方图来统计每种颜色出现的概率。

目前相关的系统有QBIC系统、Photo book系统、CORE系统等等。

关键词：基于内容的图像检索技术；特征提取；特征表达；颜色直方图；AbstractTraditional text-based image retrieval techniques have two shortcomings: First, it has been difficulties to note each image. Second, the subjectivity and no precision of image anno-tation may lead to the adaptation in the retrieval process. CBIR overcome the shortcomings of the traditional text-based image retrieval .Content-based image retrieval can divide into two parts, that is feature extraction and query. In this paper, based Color Image Retrieval is mainly introduced. Color features are the basic characteristics of the image as well as are one of the most intuitive features. Here we focused on the selection of color space, color feature extrac-tion and expression, color similarity, and the existing image retrieval systems and problems. There are many color models to express color such as the RGB color model, the HSV color model. The basic idea to extract color is to use color histogram to calculate the probability statistics of each color .Currently there are some related systems QBIC system related system, Photo book system, CORE system and so on.Keywords: Content-based image retrieval; Feather extraction; Feather presentation; color histogram;目录1 绪论 (1)1.1 图像检索技术的发展 (1)1.2 图像检索技术的特点和应用 (1)1.3 图像检索系统的关键技术 (2)1.4 基于内容图像检索的典型系统 (3)1.4.1 QBIC系统 (3)1.4.2 Virage系统 (3)1.4.3 Photobook系统 (3)1.4.4 VisualSEEK和WebSEEK系统 (3)1.4.5 Netra系统 (4)2 颜色空间 (5)2.1 RGB 颜色空间 (5)2.2HSI颜色空间 (7)3 颜色特征的表达 (9)3.1 颜色直方图 (9)3.2 全局直方图 (10)3.3 累积直方图 (11)3.4 局部累加直方图 (11)4 颜色特征的相似性度量 (12)4.1 距离度量方法 (12)4.2 直方图的交集的方法 (12)4.3 欧氏距离法 (12)4.4 模糊理论 (13)5 系统的设计与实现 (15)5.1 系统的设计 (15)5.1.1 系统名称 (15)5.1.2 系统的开发环境 (15)5.1.3 系统的结构 (15)5.1.4 系统的实现算法描述 (17)5.1.5 系统中的图像库和索引表的建立 (17)5.1.6 容差值的设定 (18)5.2 系统的实现 (18)5.2.1 颜色空间的代码实现 (18)5.2.2 直方图显示的代码实现 (21)5.2.3 欧式距离的代码实现 (24)6 实例分析 (25)6.1 图像检索过程 (25)6.2 图像的直方图的分析 (26)6.3 数据记录 (27)6.4 目前研究中存在的主要问题及对未来的展望 (29)结束语 (30)致谢 (31)参考文献 (32)1 绪论1.1 图像检索技术的发展早期的图像检索是通过人工的标注来实现的，随着计算机技术和通信网技术的发展，特别是因特网的快速发展，图像数据的容量越来越大了，这种“以关键字找图”的方法越来越不适应检索技术的发展了[1]。

由于图像内容的丰富内涵以及人们对图像内容进行抽象时的主观性不同的人对同一幅图像有不同的理解，这就引入了主观多义，不利于检索[2]。

90年代以来出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索。

基于内容的图像检索技术直接从要查找的图像的视觉特征出发，在图像库中找到与之相似的图像，是“图找图”的方法。

从研究方向的层面来看，基于内容的图像检索可分为三层：第一层是根据图像的底层特性来进行检索，如颜色、纹理，形状等等，涉及图像信息处理、图像分析和相似性匹配技术；第二层是基于图像对象语义，如图像中实体及实体之间的拓扑关系的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技术；第三层是基于图像的抽象属性如行为语义，情感语义和场景语义的推理学习来进行检索。

需要用到知识库和更加有效的人工智能和神经网络技术。

这三个层次由低到高，与人的认知接近，下一个层次通常包含了比上一个层次更高级的语义，更高层的语义往往通过较低层的语义推理获得。

尽管经过了多年的研究，较为成熟的基于内容的图像检索技术目前仍处于底层水平，由于底层研究是上层研究的基础，为了给上层建立准确、有效的图像特征提取方法，底层的研究仍在不断的发展。

1.2 图像检索技术的特点和应用基于内容的图像检索技术有以下特点：一是它突破了传统的基于表达式检索的局限，从媒体内容中提取信息线索。

利用图像内容特征建立索引进行检索，使得检索更加有效，适应性更强。

二是基于内容的图像检索是一种近似匹配，即按照某种相似性度量，比较图像特征间的差异度。

相似度较低的图像将作为检索结果返回给用户。

三是它是大型数据库的快速检索。

在实际的多媒体数据库中，数据量巨大，而且种类和数量巨大，因此要求CBIR技术快速地实现对多媒体信息的检索。

四是以相关反馈为有效手段。

为了提高检索的准确性，整个过程是个逐步逼近和相关反馈的过程。

用户的交互性增强了表达查询、评价查询结果和基于评价结果进行进一步检索的能力。

CBIR技术涉及多个领域，包括图像处理、计算机领域、数据挖掘、人机交互等等。

可以广泛应用于社会安全、遥感、医学、数字图书馆、医学、计算机辅助设计等等，前景广阔。

1.3 图像检索系统的关键技术对于通用的静止图像检索，用于检索的特征主要有颜色（Color）、纹理（Texture）、形状（Shape）等，其中颜色、纹理、形状应用尤为普遍，本文主要研究对静止图像检索。

颜色特征是在图像检索中应用最为广泛的视觉特征。

面向图像检索的颜色特征的表达涉及若干问题。

首先，要选择合适的颜色空间来描述颜色特征；其次，要采用一定的量化方法将颜色特征表达为向量的形式；最后，还要定义一种相似度( 距离) 标准用来衡量图像之间在颜色上的相似性。

颜色内容包含两个一般的概念，一个对应于全局颜色分布，一个对应于局部颜色信息。

按照全局颜色分布来索引图像可以通过计算每种颜色的像素的个数并构造颜色灰度直方图来实现，这对检索具有相似的总体颜色内容的图像是一个很好的途径。

局部颜色信息是指局部相似的颜色区域，它考虑了颜色的分类与一些初级的几何特征。

比如Smith等提出了颜色集合(color set)方法来抽取空间局部颜色信息并提供颜色区域的有效索引。

颜色特征是图像最直观而明显的特征，一般采用直方图来描述。

颜色直方图是表示图像中颜色分布的一种方法，它的横轴表示颜色等级，纵轴表示在某一个颜色等级上具有该颜色的像素在整幅图像中所占的比例，直方图颜色空间中的每一个刻度表示了颜色空间中的一种颜色。

本文主要讨论颜色特征的图像检索技术，其关键技术路径如图1-1所示：图1-1 关键技术的路径其中，颜色空间选用RGB空间，用全局直方图来表达颜色特征，相似性度量选用欧氏距离计算方法。

1.4 基于内容图像检索的典型系统鉴于基于内容的图像数据库检索系统的重要性、有效性和优越性，近年来国内外已经纷纷投入人力物力广泛开展研究并且已经研制出了一些系统。

其中既有各研究机构研制的演示软件也有商业应用软件。

下面列举一些具有代表性的图像检索系统。

1.4.1 QBIC系统国际商用机器公司IBM的QBIC是第一个商业化的基于内容的图像检索系统。

它的系统结构包括图像入库、特征计算、查询阶段。

QBIC系统允许使用例子图像、用户构建的草图和图画、选择的颜色和纹理模式、镜头和目标运动和其他图形信息等，对大型图像和视频数据库进行查询。

1.4.2 Virage系统Virage是由Virage公司开发的基于内容的图像搜索引擎。

它支持颜色、颜色布局、纹理、结构的查询，并且与QBIC相比较支持四个查询的任意组合。

用户可以根据自己的查询意图调整四个查询的权重。

Virage的核心技术是Virage Engine以及在图像对象层上的操作。

Virage Engine主要有图像分析、图像比较、图像管理三个方面的功能。

1.4.3 Photobook系统Photobook是MIT的媒体实验室在1994年开发研制的用于浏览和搜索图像的一套交互式工具。