1.2 国内外研究发展情况
1.3 研究意义
基于内容的搜索是当今的热门话题，也是各大研究机构的重点研究项目。以图搜图将会是未来社会搜索引擎发展的必然，各大搜索引擎都开始推出图像搜索的功能。国内最好的图像搜索引擎是百度的识图功能，在国际上也是排名靠前的。其他公司包括Google，Tineye等著名的图像搜索引擎也在不断研发新的图像检索技术。用户只要上传一张本地图像，系统就可以自动匹配相关的图像。
相似图像检索可以应用于很多场合，最容易想到是淘宝和京东的相似商品推荐，比如著名的购物网站亚马逊就有很大一部分商品是通过智能推荐卖出去的。其次，很多时候人们希望知道自己身边的一个物体叫什么名字，如果不知道名字，就没有办法搜索相关内容，所以此时相似图像检索成了唯一的选择。
由于图片质量参差不齐而无法完全反映所有信息以及不同的人的预期与心理反应的不尽相同，完全符合人的意愿的图片搜索引擎几乎是不可能的，因此我们需要不断地提高图片搜索的准确度，达到可以在实际中应用的地步即可。
1.4 爱肯栖智慧导购系统的优势
（1）按照图像的内容进行检索，可以很好地找到这张图片的历史来源，也可以帮用户找到心目中理想的商品，这种搜索方式不需要图像完全相似，只需要部分特征相同就行，依现阶段演示验证的效果来看，百度、谷歌等以图搜图引擎仍然是以搜索出相同的图片为主。
（2）它可以追踪出用户上传的这张商品图片在互联购上的出现频率及被使用的地方。对用户购物提供参照，进而为精准营销、大数据分析提供宝贵的数据来源。
综上，爱肯栖智慧导购系统的智慧之处体现在自动识别家具部件、利用机器学习技术生成搜索模型、启发式问答导购算法，其优势如下：
提供图片的检索功能不需要人手工标注，计算机自动分析和检索，使海量图片的管理和索引成为可能，节省人力和时间，加快用户找到心仪商品的时间，提高购物欲望、降低购物难度，有助于提高电子商务平台的服务水平。
1.5  相关技术
1.5.1 尺度不变特征转换算法介绍
SIFT，就是尺度不变特征转换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述子。它具有良好的有尺度不变性，可在图像中检测出关键特征。相比其他描述子，它一种比较好的局部特征描述子。该方法于1999年由David Lowe首先发表于计算机视觉国际会议（International Conference on Computer Vision，ICCV），2004年再次经David Lowe整理完善后发表于International journal of computer vision（IJCV） 。到2014年8月为止，这篇论文已经被引用了25000多次。
1.5.2 基于颜色特征值的特征提取
颜色特征是视觉内容的重要组成部分，颜色特征具有直观性，和选择不变性，不会随图像的方向、大小视角变换改变而产生改变。颜色特征值的描述常见的算法包括直方图法、颜色集、颜色矩、颜色聚合向量。
1.5.3 机器学习
机器学习是人工智能中的一门科学，它的主要研究对象是人工智能，着重于基于从经验中提取已知特征进行预测。随着人工智能的深入发展，现在真正的智能系统应该是具有自我学习能力的，以往的缺少学习能力的智能系统已经过时。因此，机器学习渐渐成为人工智能领域研究的核心内容之一。机器学习有监督、无监督、半监督和增强学习几种。常见的监督学习算法包括回归分析和统计分类两种，包含了很多种算法，如决策树、支持向量机（SVM）、人工神经网络算法等。其中，决策树算法相对来说更易于获取特征，分类效率较高，计算量较小，是本课题所采用的机器学习方法。 兴趣点检测技术在“以图搜图”系统中的应用研究(4):http://www.youerw.com/jisuanji/lunwen_19843.html