本文主要内容20世纪70年代：TBIR(Text-basedImageRetrieval）基于文本的图像检索技术沿用了传统文本检索技术，利用文本描述的方式表示图像的特征。早期的TBIR：手工对图像进行注释，工作量相当大，不可避免地会带来主观性和不精确性Internet环境下的TBIR：网页信息的自动采集和标引技术索引方式：全文索引和关键词索引Google，Yahoo和百度等搜索引擎所提供的图像检索服务，它们采用的都是TBIR技术．TBIR的优点：使用成熟的文本检索和搜索引擎技术，符合人们的检索习惯，实现简单TBIR的缺点：标注的准确性差，也不能满足用户对图像原始特征信息的检索MPEG-7国际标准化组织ISO／IEC制定的MPEG-7国际标准，该标准的正式名称为“多媒体内容描述接口”（MultimediaContentDescriptionInterface），为各类多媒体信息提供一种标准化的描述，并将该描述与所描述的内容相关联，极大地促进了对各种多媒体信息的快速查询和访问。该标准于1998年10月提出，于2001年最终完成并公布。MPEG-7标准化的范围包括：一系列的描述子（描述子是特征的表示法，一个描述子就是定义特征的语法和语义学）；一系列的描述结构（详细说明成员之间的结构和语义）；一种详细说明描述结构的语言、描述定义语言（DDL）；一种或多种编码描述方法。90年代以来：CBIR(Content-basedImageRetrieval）基于内容的图像检索对图像的视觉内容，如图像的颜色、纹理、形状等进行分析和检索图像。其特点是图像本身包含的客观视觉特性，不需要人为干预和解释，能够通过计算机自动实现对图像特征的提取和存储。CBIR进行检索时利用的是第2层的特征。特征提取是CBIR系统最基础的部分，在很大程度上决定了CBIR系统的成败．[1]1基于颜色特征的检索2基于纹理特征的检索3基于形状特征的检索CBIR系统向用户提供的查询方式目前基于内容图像检索技术已经取得了不少的成就，一些著名的图像检索系统相继被推出，有IBM的QBIC系统，哥伦比亚大学开发的Visual-SEEK，MIT多媒体实验室开发的Photo-Book，UCBerkeley开发的Chabot系统等。CBIR利用图像本身固有的物理信息，能够对图像的颜色、纹理和形状等特征进行比较，在指纹识别、商标检索和医学图像检索等特定领域得到了广泛应用，因为这些领域的图像在某些特征上容易识别，比如同一个手指的指纹其纹理是一样的。然而，Internet上的图像来自不同的领域，根本无法捕获其共同点，用基于内容的方法对这些图像进行检索，其效果远不能令人满意．基于语义的图像检索在原有检索系统中加入高级语义到低层特征的转化，可以在不改变现有的图像特征库和匹配方式的情况下，实现基于语义的图像检索，其基本框图见图2.图像语义的提前过程是由低层特征向高层语义转化的过程。在获取语义和有效地表达语义的基础上，可以建立语义索引，提取图像语义的模型见图3。高层语义导出低层特征对象空间关系分析基于反馈的图像检索基于知识的图像检索一个图像搜索引擎的系统模型SeekImg由四部分组成：爬虫部分、图像处理、图像数据库和查询服务器。爬虫又称为“www图片自动搜寻和下载模块”，主要完成从www网站上寻找图片并下载到系统的服务器上；图像处理部分是SeekImg的核心模块，主要完成下载的图像的自动分析和特征信息的自动提取；数据库部分在服务器端完成SeekImg的图像信息组织，在客户端接受用户的例子图像，通过基于内容的图像检索算法，完成对服务器端图像信息的检索，并将结果输出给用户。[5]用户可采用的三种查询方式：①当用户采用传统的关键字检索方式时，利用图像数据库中的关键字字段进行检索。②当用户提供了示例图像时，先对示例图像产生索引向量，采用某种距离度量算法，算出示例图像和图像数据库中图片的索引向量之间的距离，得到距离最近的若干幅图片。③用户也可以指定图像特征，例如，红色30％，黄色50％。服务器将构造出索引向量，然后找出距离最近的若干幅图片。参考文献[4]陈韶斌，丁明跃，周成平．WWW上的图像搜索引擎系统SeekImg[J]．计算机与数字工程，2OO2，30(2)：55-54[5]陈迎，唐洁茹．一种www图像搜索引擎的模型与实现[J]．武汉理工大学学报，2OO1，23(1)：26-29