亲爱的网友，你能搜到本文中，说明您很希望了解这个问题，以下内容就是我们收集整理的相关资料，希望该答案能满足您的要求
一、识图搜索简介
1、识图搜索（Content-Based Image Retrieval，CB-IR）是一种以图像特征为依据，按照特征之间的相似度为度量标准，利用计算机实现图像搜索的技术。在CB-IR 中，用户可以直接通过提取一张待检索图像的特征向量作为目标查询图像，系统以查询实例的特征来检索和识别数据库中的相似图像，例如根据一张指定品牌的手机图像来检索该品牌的其它手机图像。
2、在CB-IR 中，系统会先从待检索图像中提取出诸多的分类特征，比如像素的尺寸、灰度值分布、边缘、色彩、纹理等，然后在存储着大量数据图像的数据库中找到与检索图像具有相似特征的数据，最后以相似度高低排序依次输出检索结果。
二、CB-IR 典型应用
1、商品图片识别。 商品图片识别是利用CB-IR 技术来进行图像检索与分类的应用，该应用一般先通过人工标注分出背景、主体或其他部件，然后再从提取图像特征，如形状、色彩、纹理、大小和定位信息等，最后将它们的特征与已有的图像素材进行匹配，实现快速而精准的查找。
（一）基本原理
识图搜索即图像搜索，是一项新兴的互联网技术，它可以根据用户提供的一张图片或一段视频，帮助用户搜索与其最相似的图片或视频。识图技术的实现原理分为两个基本步骤：首先，利用计算机图像处理技术给搜索的图片或视频进行特征提取，然后根据这些特征，搭建一个相似度计算模型；其次，通过特征提取和相似度计算模型，在数据库中找出最相似的图片或视频。
（二）特征提取
识图搜索实现的第一步是对用户提交的图片或视频进行特征提取。对于图片，一般采用一些图像处理技术，比如图像形状变换，图像旋转，灰度变换，剪切变换，颜色梯度变换，颜色量化，矩特征提取等方式，通过这些技术提取图片中的局部、全局特征；对于视频，一般采用一些视频处理技术和对象跟踪技术，比如色彩空间变换，帧差分，双点投影法和光流法，通过这些技术提取视频中的运动特征和结构特征。提取的特征一般是离散的数值，表示图片或视频的特点。
（三）相似度计算
识图搜索实现的第二步是搭建一个相似度计算模型，对特征进行计算，计算用户提供的图片和视频，以及在数据库中的图片或视频之间的相似度，从而得出最相似的图片或视频。这里，一般采用一些计算机图像数学算法，比如空间域算法，时域算法，相关时序模型，卷积神经网络等。例如，空间域算法是利用图像的灰度计算像素点之间的差异，计算搜索图片和搜索库中的图片之间的差异；时域算法可以利用图像的灰度计算时间相邻帧之间的灰度变化，从而计算搜索视频和搜索库中的视频之间的差异；卷积神经网络算法可以根据图像或视频的颜色、轮廓和纹理，对图像和视频的，某一局部特征进行识别，从而计算搜索图片和搜索库中的图片之间的相似度。
（四）搜索结果
最后，根据相似度计算模型，系统就可以在数据库中搜索出与用户提交的图片或视频最相似的图片或视频，从而实现识图搜索的目的。这里的搜索结果也可以是一个排序列表，根据系统对图片或视频的相似度排列，最相似的排在最前面，往下依次变淡。
不知这篇文章是否帮您解答了与标题相关的疑惑，如果您对本篇文章满意，请劳驾您在文章结尾点击“顶一下”，以示对该文章的肯定，如果您不满意，则也请“踩一下”，以便督促我们改进该篇文章。如果您想更进步了解相关内容，可查看文章下方的相关链接，那里很可能有你想要的内容。最后，感谢客官老爷的御览