语义检索是要求计算机按照人的理解利用图像的低级视觉特征来自动获取人所感兴趣的语义信息来检索图像，尽最大的可能来减少用户检索丰富语义之间的语义鸿沟[1]和图像简单视觉特征。(1)基于相关反馈主动学习的方法，相关反馈是通过在检索过程中加入用户的感知信息，借鉴图像检索中的思想，来提高检索正确率。反馈技术是将用户对检索结果的反馈信息和反馈过程来作为用户对当前检索结果的满意度。相关反馈方法可以分为两大类[2]: 查询优化方法和分类器的方法。查询优化法是通过不断改进及完善相似计算中的各种权值，使相似度量公式能够更好地按照用户的意图表达相似度。Wang等［3］利用归一化的思想来调整不同特征权值得到反馈结果，并将得到的反馈信息应用到 CAD 模型检索中；Papadakis等［4］通过伪反馈技术将用户反馈标记的正例和反例作为训练集，通过支持向量机分类器实现检索；Elad 等［5］在VRML 模型检索中采用支持向量机的方法首次将相关反馈技术应用于其中；Leifman 等［6］在CAD模型把学习特征子空间的概念应用于模型的检索，并在建立相关反馈机制时结合了线性判断式分析和偏离判断式的分析方法，相关反馈技术在检索时为了使其达到用户满意的程度，必须不断地重复进行，所以很难建立一种长期的学习机制；Ohbuchi 等［7］提出采用无监督学习方法来提高CAD模型检索性能；Hou 等[8］采用支持向量机的方法对CAD模型进行检索和聚类。

但是由于当前计算机的图像理解能力和视觉技术的限制，语义图像检索还处于研究阶段。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

1。2。3基于内容检索方法

内容检索主要是对图像自身的内容进行提取（颜色、纹理、形状、空间信息等），然后进行相似度匹配检索。按照特征形式的不同，可以将内容检索技术分为统计学法、函数变换法、抽象图法、投影法以及外观属性法。

1。基于统计学的方法

基于统计学的CAD图纸检索方法是从统计学的角度出发，利用具有区分能力的统计数据来对CAD模型进行特征提取，从而根据对特征量的比较达到图纸检索的目的。Osada 等［9］在构建形状分布曲线时使用表面的两个随机点间的距离作为衡量尺度，然后通过曲线的比较来实现模型相似性比较；为了提高形状分布算法的检索精度， Ip 等［10］提出根据两点间连线所经过的路径将距离分为 IN（经过模型内部）、OUT（外部）、MIXED（全经过） 3 种；王洪申等［11］选取一个随机线段，对随机线段端点的法向与线段形成的角度进行测量，根据角度的大小将一个CAD模型表达为3个形状分布曲线，提高了检索能力；Ankerst 等［12］利用分割CAD模型形状信息的方法，统计落在每个分割单元中的数量，绘制成直方图，通过直方图之间的数据比较来达到检索的目的；Ohbuchi 等［13］在构成特征描述符时提出利用平均距离、惯性矩和距离方差3 个统计量来共同组成，并以此来实现检索的算法。但是因为CAD图形的拓扑结构是不固定的，这使得一些适用于二维图像的特征提取方法不再适用于CAD领域。