1.QBIC

http://www.research.ibm.com/labs/almaden/

QBIC（Query by image contnet）是由IBM提出的，在基于內容圖像檢索領域應用最早的商用產品，QBIC系統(tǒng)提供了多種查詢方式，包括：利用標準范圖檢索、用戶繪制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(tài)影像片段和前景中運動的對象檢索。

2.Tineye

http://tineye.com/

Tineye（加拿大Idée公司研發(fā)）是典型的以圖找圖搜索引擎，輸入本地硬盤上的圖片或者輸入圖片網址，即可自動幫你搜索相似圖片，搜索準確度相對來說還比較令人滿意，經測試甚至可以找出照片的拍攝背景，但是檢索時間較長用戶可以提交或上傳一個圖片TinEye找出它來自何處，它是如何被使用，如果更改的圖像版本存在，或尋找更高分辨率的版本。

TinEye主要用途：1、發(fā)現(xiàn)圖片的來源與相關信息；2、研究追蹤圖片信息在互聯(lián)網的傳播；3、找到高分辨率版本的圖片；4、找到有你照片的網頁；5、看看這張圖片有哪些不同版本。允許上傳的圖片文件類型：JPEG，PNG和GIF，圖片文件大小限制：1兆字節(jié)的最大文件大小。

3.Photobook

http://vismod.media.mit.edu/vismod/demos/photobook/

Photobook是MIT媒體實驗室開發(fā)的一套交互式圖像數(shù)據(jù)庫瀏覽和查詢工具。在它放在網上的演示版給出了四種應用領域的示范：紋理識別、形狀識別、人臉識別和大腦形狀識別。紋理識別主要針對以紋理為主體內容的圖像；形狀識別給出了一些具有簡單形狀物體（如板手）的檢索示例；人臉識別是MIT基于他們研究的技術基礎上開發(fā)的重要應用；大腦形狀識別則是Photobook的一個新的應用領域，它在檢索過程中處理圖像的3D數(shù)據(jù)。版本6允許用戶通過動態(tài)的加載代碼來定義匹配算法。

FourEyes是Photobook的擴展版本，它突出了交互式語義查詢及系統(tǒng)學習功能，并且還應用了相關反饋（RF）技術。系統(tǒng)可以保留用戶的記錄，使用一個代理設施來進行學習，通過分析選擇出較好的匹配模式，以改進功能。用戶在參與過程中，對圖像分割塊進行語義注釋是一個重要的步驟。

4.Virage

Virage是由Virage公司開發(fā)研制的基于內容的圖像搜索引擎，與QBIC系統(tǒng)相類似，Virage也支持基于顏色、紋理和結構等視覺特征的圖像檢索，同時，Virage系統(tǒng)還支持上述三個特征的任意組合，而且用戶還可以根據(jù)實際的需要對不同的特征賦予相應的權重來改變查詢線索的重要性。

5.NETRA

NETRA是加里福利亞大學ADL（亞里山大數(shù)字圖書館）項目中開發(fā)的一個CBIR原型系統(tǒng)。它著重從已分割的圖像中查找相似區(qū)域進行匹配。此外NETRA還使用了一些特殊的特征表述，便于快速完成用戶的一些特殊的查詢，如檢索包含A的顏色、B的形狀、C的紋理的圖像，并將它們分類列出。在它的DEMO版本中提供給用戶的查詢界面也體現(xiàn)了這樣的特點。NETRAII是NETRA的新版本。它是一個基于區(qū)域和顏色特征的圖像檢索系統(tǒng)，主要采用了研究小組在彩色圖像分割算法和局部顏色特征描述方面所做出的一些成果（如色彩量化、特征的距離化度量等），使得圖像分割更加快速。

6.IKONA

IKONA是INTRA的IMEDIA項目研究小組為開發(fā)CBIR軟件系統(tǒng)而設計并實現(xiàn)的基于C/S的體系結構。其Client部分用Java實現(xiàn)，因此它不受環(huán)境約束，是一個簡潔靈活、便于使用的圖像檢索系統(tǒng)。

同NETRA相似，IKONA也采用了基于區(qū)域相似的匹配技術。另外，IKONA在支持視覺特征檢索的同時還支持基于關鍵字的圖像檢索。相關反饋（RF）技術是IKONA軟件的重要特色。用戶使用IKONA查詢圖像的過程中，系統(tǒng)記錄下用戶的反饋信息，將此圖像分類，這樣使得以后的用戶能夠更快速地檢索到這一類圖像。

7.MARS

MARS是UIUC開發(fā)的系統(tǒng)，它的應用范圍相當廣泛，包括計算機視覺、圖像數(shù)據(jù)庫檢索和信息檢索等多個領域，MARS的焦點不在于找到單一的最佳特征表達，而是如何把不同的視覺特征組織成為一個可以動態(tài)適應于不同應用和不同用戶的有意義的檢索機制，這個系統(tǒng)的突出特點在于引入了相關反饋機制，能夠根據(jù)用戶的交互、動態(tài)的組織和優(yōu)化查詢，提高檢索效率。

8.百度圖片搜索

http://image.baidu.com/

百度提供了較多的圖片內容選項（顏色選項、面部特寫、頭像、灰白、黑白簡畫等）。我在百度識圖上在一個街景的數(shù)據(jù)上面進行測試，基本沒有檢索到結果，多數(shù)圖片返回為“抱歉，沒有找到匹配的圖片結果”，但經測試其基于人臉的識別結果比較精確，可以稱為“名人搜索”

9.Wallbase

http://wallbase.cc/start/

基于顏色搜索電腦桌面壁紙的圖像檢索引擎

10.Gazopa

http://www.gazopa.com/

2008年9月Gazopa“以圖搜圖”服務對外開放，在開放前期平均每月增長用戶超過9萬人，開放服務已經關閉，官網上原因為limited resources，但是通過其官網上提供的視頻來看其主要支持的搜索方式有以下幾種：（回去需要看一下視頻）
第一種是傳統(tǒng)的通過關鍵詞搜索圖片，但在傳統(tǒng)圖片搜索領域GazoPa與google等搜索引擎無法競爭。

第二種是創(chuàng)新的通過圖片搜索圖片，但在此領域GazoPa無法與TinEye相競爭。TinEye很容易就能搜索出與原圖最接近的一些結果，而GazoPa很多時候的搜索結果則完全無法與原圖匹配。

第三種是通過手繪圖片搜索圖片，目前微軟亞洲研究院有一批人在做類似的研究；（微軟亞洲研究院博客中找到相關綜述性文章）；
第四種是通過視頻縮略圖搜索視頻，僅憑一張視頻縮略圖就可找到相關視頻，類似與基于內容理解的視頻檢索技術

11.Google
http://similar-images.googlelabs.com/（早起開放的網址）

http://images.google.com.hk/

Google實驗室類似圖片搜索：輸入一個關鍵詞后，例如“l(fā)ake”，返回的頁面里面點擊某個圖片的下面的Similar images，運用Google 類似圖片搜索功能引擎，即刻為你把類似的圖片全部搜索出來，展示給用戶以便查看。其準確率、相似率相對比較高。

在谷歌正式推出了令人相當期待的“以圖搜圖”功能之后，豆瓣網友發(fā)起的“敢上傳你頭像的谷歌搜索結果嗎”的活動，活動中共有316章圖像，通過谷歌的以圖搜圖得到的結果也很不令人滿意，活動時間為2011年7月，活動地址如下

http://www.douban.com/online/10857631/album/51090576/

感興趣的同事可以進行完整查看，從其中的檢索結果可以看出其采用的特征主要是顏色特征，或者是顏色特征占的權重較大。

最近在一篇文章中找到了目前對Google檢索算法基本原理的介紹，名字為感知Hash算法，具體的介紹和JAVA實現(xiàn)，可以參考博文：

http://blog.csdn.net/luohong722/article/details/7100058

12.Picitup

http://www.picitup.com/

Picitup主要支持關鍵字的搜索，但在它的特色搜索項目——名人匹配搜索（Celebritymatchup）中，你可以通過上傳本地照片來進行搜索，不過結果一般讓人失望。Picitup可以通過在搜索結果頁選擇過濾方式來篩選圖片，比如可以按顏色、頭像（人臉）、風景、產品四種類別來過濾搜索結果。
Picitup最大特點是提供相似圖片搜索，即通過關鍵字找到初始圖片，點擊初始圖片下面的similar pictures按鈕，即可搜索與該張圖片類似的圖片。
13.Incogna

http://www.incogna.com
Incogna的搜索主要是基于形狀上的相似性，專利技術申請中，并利用上了GPU對檢索算法進行加速，但是通過測試，耗時很短，如下圖所示，輸入“Kitty”，文字檢索耗時0.12秒，選中所選圖像后，進行“以圖搜圖”，耗時0.02秒，但令人遺憾的是其檢索結果并不令人十分滿意

14.VisualSeek和WebSeek

http://www.ee.columbia.edu/ln/dvmm/researchProjects/MultimediaIndexing/WebSEEK/WebSEEK.htm

http://www.ee.columbia.edu/ln/dvmm/researchProjects/MultimediaIndexing/VisualSEEk/VisualSEEk.htm

VisualSeek和WebSeek都是哥倫比亞大學開發(fā)的基于Web的圖像／視頻搜索工具。VisualSeek是一個通用的搜索引擎，它主要是根據(jù)所檢索圖像中不同色塊的空間關系進行相似匹配，另外也用到顏色、紋理等特征提取技術。在解決快速索引問題上，它采用了二叉樹索引技術。

VisualSeek同QBIC一樣提供了多種查詢方法：根據(jù)視覺特征、圖像注釋、草圖甚至是圖像的URI（這是Web上搜索所特有的）。它根據(jù)草圖檢索的方法仍是注重圖像中不同色塊的空間位置關系，只有具有良好空間區(qū)別性的草圖才可以得到較好的結果。

WebSeek是一個專用的面向WWW的搜索引擎。它的目的是在WWW上建立一個可視化對象的自動辭典供用戶查詢。與VisualSeek一樣，它也是采用多種特征提取技術進行匹配，并提供基于注釋和基于圖像視覺信息的用戶查詢接口。

目前已經有多家國際巨頭也在圖像搜索方面繼續(xù)發(fā)力。除了百度、搜狗外，谷歌連續(xù)投資或收購了Plink、Pixazza、Like三家公司，蘋果收購了人臉視覺搜索PolarRose，微軟也在Bing上大力推廣圖像相似搜索，由此可以看出做圖像檢索還是很有前/錢途的，但是目前網上相關的資料還不是特別多，多事比較NB的圖像檢索算法的文章都對細節(jié)講得不盡不實，對相關的開發(fā)人員幫助不大，希望相關的研究人員保持開放的心態(tài)，多多交流，共同完善相關算法。

轉自：http://blog.csdn.net/forthcriminson/article/details/8698175

總結

以上是生活随笔為你收集整理的“以图搜图”引擎及网站合集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。