李 锋，冯益青

(东华大学 计算机科学与技术学院，上海 201620)

0 引言

图像检索问题起源于 1970s末期，早期的研究主要是基于文本的图像检索（Text-based Image Retrieval，TBIR），它利用文本标注的方式对图像的内容进行描述，为每幅图片形成相关的描述特征的特征标注文本，在进行图像检索时，用户可提供待检测图像的关键字，检索系统将根据关键字检索出描述特征相符的结果，并将结果反馈给用户。但是，基于文本的图像处理不仅耗费巨大的人力、财力，使图像的检索效率有极大的局限性，而且图像的丰富内容很难由极短的文本清晰的标注出来。故传统的检索技术，例如基于文本的图像检索，已不能完全满足人们的要求[1]。由于基于文本的图像搜索存在许多的问题，1990s出现了基于内容的图像检索（Content-based Image Retrieval，CBIR）[2]，它通过提取图像本身的内在特征例如颜色、形状、纹理、区域空间关系等图像特征，并比较这些视觉特征的相似性，从而筛选出符合用户要求的图片。相对于基于文本的图像检索，基于内容的图像检索利用图片内容的底层特征对图像进行检索，融合了计算机视觉、图像处理、图像理解和数据库等多个领域的研究成果，其中特征的提取有专门的特征算法完成，有效的避免了因人工参与而产生的主观因素的影响。目前，随着机器学习、深度神经网络等技术的不断完善和发展，出现了基于语义的图像检索。基于语义的图像检索立足于图像的语义特征，研究如何将图像的低层视觉特征映射到图像高层语义，使计算机检索图像的能力达到人的理解水平[3-4]。……