基于形状的图像检索 (SBIR) 是一种根据图像中对象的几何或结构特征，从数据库中搜索和检索图像的技术。与依赖颜色、纹理或元数据的方法不同，SBIR 侧重于识别对象形状的相似性，使其在视觉模式或轮廓是主要区别特征时特别有用。例如，在医学成像系统中，SBIR 可以帮助定位具有与特定形状匹配的骨折的 X 光片，即使图像在光照或角度上有所不同。其核心思想是以允许有效比较的方式表示形状，将几何精度置于其他视觉属性之上。
该过程通常涉及三个阶段：特征提取、索引和相似性测量。首先，使用捕获关键几何属性的算法提取形状特征。常用技术包括基于轮廓的方法（例如，将形状边界转换为频率分量的傅里叶描述符）或基于区域的方法（例如，描述全局形状特征的 Zernike 矩）。然后，将这些特征以结构化格式（例如，向量或直方图）存储，以实现快速搜索。当提交查询图像时，将计算其形状特征，并使用诸如欧几里得距离或动态时间规整之类的距离度量与数据库中的形状特征进行比较。例如，对“圆形对象”的查询可能涉及比较数据集中形状的圆形度量。
SBIR 在形状至关重要的领域具有实际应用。在工业质量控制中，它可以通过将其轮廓与参考设计进行比较来识别有缺陷的零件。在生物多样性研究中，它可以根据叶子形状对植物物种进行分类。但是，由于比例、旋转或遮挡的变化，会产生挑战。为了解决这个问题，通常应用诸如归一化（将图像调整为标准比例）或仿射不变描述符（忽略旋转效果）之类的预处理步骤。尽管存在这些障碍，但 SBIR 仍然是开发人员构建几何精度至关重要的系统的宝贵工具，当形状是主要关注点时，可在计算效率和准确性之间取得平衡。
