自20世纪90年代以来，众多学者对基于内容的图像检索技术潜心研究，已经获得了大量的科研成果，展示出良好的应用前景。国内外的商业机构和科研院所也都图像检索系统的具体实现投入了人力、物力。这些研制出的系统从实验原型走向商业应用。其中比较经典而具有代表性的检索系统有如下几个。83296

BDLP（BerkeleyDigitalLibraryProject，伯克利数字图书馆）系统是由加利福尼亚大学伯克利分校开发的CBIR系统。支持使用关键字的查询和颜色特征的查询，并支持使用对每个颜色的模糊描述（很少，一部分，大部分）。并且用户可以对颜色区域的大小进行描述（很小，小，中等，很大）以及该区域的颜色量。该系统采用了对图像进行基于颜色的单一字符串化，因此在系统检索速度上比较占优势，但是仍然不能通过多种查询方式进行检索[1]。

MARS（MultimediaAnalysisandRetrievalSystem，多媒体分析和检索系统），是由加州大学尔湾分校的信息与计算机科学系研发而成的CBIR系统。该系统的特点是，支持对低级特征（颜色、纹理、形状）的结合查询，以及对纹理的描述性查询。颜色特征选取HSV颜色空间的直方图，纹理特征由两个直方图组成。图像被分成5×5的子图，有利于提高特征提取和最终比较的准确性[2]。

Virage系统。Virage系统是由Virage公司开发的基于内容的图像搜索引擎。它支持基于颜色，颜色分布，纹理和结构的可视化查询，并且支持例子查询，草图检索，分类浏览，随机浏览等四种基本查询方式的任意组合，还允许用户按自己的需要调整这些检索特征的权值。它的核心技术包括VirageEngine以及在图像对象层上的操作[1]。论文网

国防科技大学多媒体开发中心设计开发了一个基于内容的视频新闻节目浏览检索系统NewsVideoCAR。该系统能对视频新闻内容进行自动分析，分类和管理，用户在该系统下能够快速地定位自己感兴趣的视频或新闻，并能快速掌握其中的大意。同时，用户还可以用关键字检索特定的新闻。

比较这些系统可以发现，其中大多数的功能特性可以归结为以下几点：

（1）图片分类浏览：系统将数据库中的图像按一定的分类标准进行分类之后可以让用户按分类的形式浏览数据库。

（2）随机浏览功能：用户可以在图像数据库中随机浏览一些图像，当发现感兴趣的图像时，就可以把此图像作为检索系统的输入图像得到更多与此相似的图像。

（3）基于例子图像的检索：用户提供一副图像作为例子，系统自动提取这个例子的图像特征，将其与图像数据库中的图像特征进行比较，将相似的结果返回给用户。