著名的圖像檢索系統

1. QBIC(Query By Image Content)圖像檢索系統是 IBM 公司 90年代開發製做的圖像和動態景象檢索系統，是第一個基於內容的商業化的圖像檢索系統。QBIC 系統提供了多種的查詢方式，包括：利用標準範圖（系統自身提供）檢索，用戶繪製簡圖或掃描輸入圖像進行檢索，選擇色彩或結構查詢方式，用戶輸入動態影象片斷和前景中運動的對象檢索。在用戶輸入圖像、簡圖或影象片斷時，QBIC 對輸入的查詢圖像進行顏色、紋理、形狀等特徵進行分析和抽取，而後根據用戶選擇的查詢方式分別進行不一樣的處理。QBIC 中使用的顏色特徵有色彩百分比、色彩位置分佈等；使用的紋理特徵是根據Tamura 提出的紋理表示的一種改進，即結合了粗糙度、對比度和方向性的特性；使用的形狀特徵有面積、圓形度、偏愛度、主軸偏向和一組代數矩不變量。QBIC 仍是少數幾個考慮了高維特徵索引的系統之一。 QBIC除了上面的基於內容特性的檢索，還輔以文本查詢手段。例如爲舊金山現代藝術博物館的每幅做品給予標準描述信息：做者、標題、日期，許多做品還有內容的天然描述。 2. Virage 是由 Virage 公司開發的基於內容的圖像檢索引擎.同QBIC 系統同樣，它也支持基於色彩、顏色佈局、紋理和結構等視覺特徵的圖像檢索。Jerry 等人還進一步提出了圖像管理的一個開放式框架，將視覺特徵分爲通用特徵（如顏色、紋理和形狀）和領域相關特徵（如用於人臉識別和癌細胞檢測等）兩類。 VIRAGE公司的VIR（Visual Information Retrieval）圖像引擎提供了四種可視屬性檢索（顏色、成分、紋理和形狀）。每種屬性被賦予0到10的權值。經過顏色特性檢索是最簡單明瞭的，該軟件對選出的基礎圖像的色調、色彩以及飽合度進行分析，而後在圖像庫中查找與這些顏色屬性最接近的圖像。成分（composition）特性指相關顏色區域的近似程度。  用戶能夠設定一個或多個屬性權值來優化檢索。要達到最佳平衡度須要反覆試驗，但檢索過程是至關快的。在結果顯示矩陣中能夠選擇查看3、6、9、12、15或18個簡圖。經過對四個屬性權值的調整，顯示出不一樣的檢索結果。簡圖是根據類似度降序排列。點擊簡圖標題將獲得該圖像的一些詳細說明，包括Virage計算出的類似比。 3. RetrievalWare 是由 Excalibur 科技有限公司開發的一種基於內容的圖像檢索工具。早期版本中，能夠看到該系統的重點在於運用神經網絡算法實現圖像檢索。在比較新的版本中r提供基於6種圖像屬性的檢索，分別是顏色、形狀、紋理、顏色結構、亮度結構和縱橫比。顏色屬性是對圖像的顏色及其所佔的比率進行測定，但並不包括對顏色的結構或位置的測定，這一項是由顏色結構屬性控制的；形狀屬性指圖像中物體的輪廓或線條的相對方位、彎曲度及對比度；紋理屬性是指圖像的平滑度或粗糙度，一幅圖的表面特性；亮度屬性是指構成圖像的象素組合的亮度。這是一個很是有力的圖像檢索工具。 4. Photobook 是美國麻省理工學院的多媒體實驗室所開發的用於圖像查詢和瀏覽的交互工具。它由三個子系統組成，分別負責提取形狀、紋理、面部特徵。所以，用戶能夠在這三個子系統中分別進行基於形狀、基於紋理和基於面部特徵的圖像檢索。 在 Photobook 的最新版本 FourEyes 中，Picard 等人提出了把用戶加入到圖像注註釋和檢索過程當中的思想。同時因爲人的感知是主觀的，他們又提出了「模型集合」來結合人的因素。實驗結果代表，這種方法對於交互式圖像註釋來講很是有效。 5. VisualSEEK 是基於視覺特徵的檢索工具， WebSEEK 是一種面向 WWW 的文本或圖像搜索引擎。這兩個檢索系統都是由哥倫比亞大學開發的。它們的主要特色是採用了圖像區域之間空間關係和從壓縮域中提取的視覺特徵。系統所採用的視覺特徵是利用顏色集和基於小波變換的紋理特徵。VisualSEEK 同時支持基於視覺特徵的查詢和基於空間關係的查詢。WebSEEK 包括三個主要模塊：圖像/視頻採集模塊，主題分類和索引模塊，查找、瀏覽和檢索模塊。 相對於其它的多媒體檢索系統，VisualSEEK 的優勢在於：高效的 Web 圖像信息檢索，採用了先進的特徵抽取技術，用戶界面強大，操做簡單，查詢途徑豐富，輸出畫面生動且支持用戶直接下載信息。而 WebSEEK 自己就是一個獨立的萬維網可視化編程工具，已經對 650000 幅圖像和 10000 個影象片斷進行了編目，用戶可使用目錄瀏覽和特徵檢索方式進行圖像檢索。