图像检索技术文献综述和参考文献
像特征属性来描述的。检索的图像也是十分明朗的图像示例，输出也是与所选图像示例特征相同或相似的图像，并且按相似度排序以供用户选择。从而解决了传统图像搜索引擎中比较难的图像特征描述、提取与识别等难题。因为它都交给系统自己去解决了。
对于这两种图形检索引擎的优劣不好进行评判，只能说各有各的优势。并且他们能存在便有其较其他的优势的地方。存在即是合理。而且用户对图像检索的需求是多样化的。关键
词、示例图像、图像特征可以列入用户检索图像的需求清单。而为了全面满足客户的检索要求，为用户提供灵活多样的检索渠道，我们可以讲各种检索引擎集中在一个图像检索引擎中。可以说是集百家之所长。在这方面人们已经进行了一些研究。论文网
图像的内容是多方面的，每一种特性表示了图像的一个侧面。基于关键词和基于内容的图形检索都不能令用户满意，然后呢，将两者结合起来的检索工具还在试验阶段。这方面，微软做了一定的研究，它是将基于关键字和基于内容的检索相结合。并且加入用户反馈这个功能来优化整个检索引擎。
基于关键词和内容的检索模式图像特征抽取有两点：其一，低层次视觉特征抽取；其二，高层语言特征抽取。前者就是前面所说的颜色，纹理，形状等特征；后者就是文本特征抽取。而图像特征提取就是要将两者分别用不同的方法提取出来。微软研究院就是采用结合了上述两种方法的特征提取来对图形进行特征提取。通过采用网页上与图形相关的文字信息来表示图像语义特征。主要涉及到的相关信息有：文件名、网址、相关图形替代文字、周围文字、图像的超链接以及图像所在网页之间的超链接。图形底层特征是图形纹理、颜色、形状等。
同时微软亚洲研究院正在开展利用人工交互来提取所需信息，来克服所谓的语义鸿沟。在试验中，使用语义传递方法结合上述提到的关键字检索和基于内容的检索这两种技术，事先对一小部分图像做关键字索引，然后通过用户对检索到的图形做相关反馈操作。传递关键字给正反馈图像，并且赋给或者增加权值。使之一负反馈图像相关的关键词权值取消关联。通过多次的学习训练，系统便会自行建立起相对真实的语义映射网络，从而在将来的检索事件中起到至关重要的作用。以此便达到语义检索的目的。
图形检索的应用现状
下面列举了国内外图像检索引擎。目前的检索引擎大招可以分为以下几类，二期主要都是基于文本检索的搜索引擎模式：第一种，通用搜索引擎，搜索网页根据其搜索结果创建自己的数据库，例如Google、Alta Vista、百度等等。第二种，目录搜索引擎，将所拥有的图形信息进行分类，形成供浏览和查找的目录。例如：Yahoo、Web SEEK等、第三种，元搜索引擎，运用统一的界面，调动模块来帮助用户在多个检索引擎中实现检索操作。例如：ixquick等等。接下来从这三类搜索引擎中具有代表性的进行分析。
通用搜索引擎：
上一篇：RFID技术文献综述和参考文献