工作原理

WWW图像搜索引擎需要为在Web上浏览过的图像建立索引信息，能够进行图像分析和判别，为图像加注释，存储抽取出的索引信息建立索引库，理想的图像搜索引擎还应该能支持基于内容的图像检索。 图像识别方法：

1、自动查找图形文：可以通过两个HTML标签，即IMG SRC和HREF来检测是否存在可显示的图像文件，IMG SRC表示“显示下面的图像文件”，而HREF则表示“下面是一个链接”，这两种标签经常导向一个图像文件。搜索引擎通过检查文件扩展名来判断链接的是否是图像文件。如果文件扩展名是.GIF或.JPG，那它就是一个可显示的图像。

2、人工干预找出图像并进行分类：由人工对网上的图像及站点进行选择。这种方法可以产生准确的查询体系，但劳动强度太大，限制了处理图像的数量。由于图像不同于文本，需要人们按照各自的理解来说明其蕴含的意义，因此图像检索比起文本的查询和匹配要困难得多。目前的图像搜索引擎大多支持关键词检索和分类浏览两种检索方式，部分可提供可视属性检索，但也很有限。它们主要的检索途径有以下几种：

a. 基于图像外部信息：即根据图像的文件名或目录名、路径名、链路、ALT标签以及图像周围的文本信息等外部信息进行检索，这是目前图像搜索引擎采用最多的方法。在找出图像文件后，图像搜索引擎通过查看文件名或路径名确定文件内容，但这取决于文件名或路径名的描述程度。

b. 基于图像内容特征描述：这是一种语义层次的匹配。需要人工对图像的内容（如物体、背景、构成、颜色特征等）进行描述并分类，给出描述词。检索时，将主要在这些描述词中搜索你的检索词。这种查询方式是比较准确的，一般来讲可以获得较好的查准率。但需人工参与，劳动强度大，因而限制了可处理的图像数量，并且需要一定的规范和标准，效果取决于人工描述的精确度。

c. 基于图像形式特征的抽取：由图像分析软件自动抽取图像的颜色、形状、纹理等特征，建立特征索引库，用户只需将要查找的图像的大致特征描述出来，就可以找出与之具有相近特征的图像。这是一种基于图像特征层次的机械匹配，特别适用于检索目标明确的查询要求（例如对商标的检索）。产生的结果也是最接近用户要求的。但目前这种较成熟的检索技术主要应用于图像数据库的检索，在网上图像搜索引擎中应用这种检索技术还具有一定的困难。

相关技术

从广义上讲，图像的特征包括基于文本的特征(如关键字、注释等)和视觉特征(如颜色、纹理、形状等)两类。视觉特征又可分为通用的视觉特征和领域相关(局部/专用)的视觉特征。前者用于描述所有图像共有的特征，与图像的具体类型或内容无关，主要包括颜色、纹理和形状;后者则建立在对所描述图像内容的某些先验知识(或假设)的基础上，与具体的应用紧密有关，例如人的面部特征或指纹特征等。

1、基于上下文本（context）的图片搜索

通常是通过Alt等锚来索引，搜索的，您可以访问搜索引擎，比如百度、GOOGLE。在搜索框内输入搜索文字，点击右侧的“图片搜索”按纽，即可获得相关图片搜索结果。

2、基于图片内容的搜索

涉及了数据库管理、计算机视觉、图像处理、模式识别、信息检索和认知心理学等诸多学科，其相关技术主要包括:图像数据模型、特征提取方法、索引结构、相似性度量、查询表达模式、检索方法等。相似图片的检测主要涉及特征表示和相似性度量这两类关键技术。图像特征的提取与表达是基于内容的图像处理技术的基础。

发展现状

一类是以百度、GOOGLE、有道等专业搜索引擎网站为代表提供的图像或图片搜索功能。此类搜索引擎搜索面大，搜索结果信息庞大，只能提供较为单一的搜索服务，搜索结果给予用户比较多的选择性。

另一类是以安图搜等专业图像搜索服务为代表的网站，为用户提供除文字外，通过输入图片URL进行搜索服务。此类网站更多的服务应用于网上购物领域的服务方向，更多的是为用户提供在网购方面的体验。

发展趋势

随着百度识图、安图搜等图像搜索网站的出现站，让图像搜索更加趋向于专业性服务，搜索结果方向性更强，精确性更高。

存在问题