·         رنگ

رنگ ويژگي است كه اغلب محققان در CBIR از ويژگی رنگ استفاده كرده‌اند ودر موارد متعدد هيستوگرام رنگ اصلي‌ترين ويژگي در بازيابي تصوير است. فوايد زير، استفاده از هيستوگرام رنگ را توجيه مي‌كند

الف) پايداري: هيستوگرام رنگ نسبت به چرخش، جابجايي و تغيير مقياس اشيا در تصوير مقاوم است.

ب) موثر بودن: رابطه زيادي بين تصوير پرس و جو و تصاوير بازيابي شده بر اساس هيستوگرام وجود دارد.

ج) سادگي پياده سازي: هيستوگرام رنگ با يك مرتبه روبش تصوير بدست مي‌آيد.

د) سادگي محاسباتي: محاسبات لازم براي هيستوگرام رنگ يك تصوير با اندازه M*M از درجه  O(M2)است و هزينه محاسباتي انطباق براي يك پايگاه داده با n تصوير بصورت خطي و از درجه O(n) است.

و) حجم پايين اطلاعات نمايه: اندازه هيستوگرام رنگ به دفعات از حجم تصوير كوچكتر است.

روش هيستوگرام رنگ با اينكه محاسن زيادي دارد، از معايبي نيز رنج مي‌برد.

الف) تصاوير متفاوت، ممكن است هيستوگرام‌هاي رنگ مشابه داشته باشند. اين مسئله زماني كه حجم پايگاه داده بزرگ شود، بيشتر نمود پيدا مي‌كند.

 ب)  تصاوير يكسان، ممكن است تحت شرايط نوري متفاوت، هيستوگرام‌هاي رنگ متفاوتي داشته باشند.

غير از هيستوگرام رنگ، ويژگيهاي ديگري نيز برپايه رنگ تعريف شده و در بازيابي از آنها استفاده مي‌شود. از آن جمله مي‌توان گشتاورهاي رنگ را نام برد.

كوانتيزاسيون رنگ: بطور معمول هر نقطه از تصوير رنگي مي‌تواند يكي از 224 رنگ ممكن را داشته باشد. اين در حالي است كه تحليل تصاوير و استخراج اطلاعات مفيد آنها با توجه به اين گستردگي فضاي رنگ تقريباً غير ممكن است. از اين رو است كه در تمام سيستمهايي كه به تجزيه و تحليل تصاوير مي‌پردازند، يك مرحله پيش پردازش براي كاهش فضاي رنگ وجود دارد. در اين مرحله، از روشهاي چندي كردن براي كاهش درجه تفكيك رنگ‌ تصوير استفاده مي‌شود. چندي كردن به شكل محسوسي، پيچيدگي محاسباتي را در بازيابي تصوير كاهش مي‌دهد. عمومي‌ترين روشهاي چندي كردن در بازيابي تصوير، چندي كردن خطي، چندي كردن برداري و چندي كردن به رنگهاي از پيش تعيين شده‌است. با توجه به ماهيت عمل بازيابي در اكثر تحقيقاتي كه در اين زمينه انجام شده، از چندي كردن خطي استفاده شده است


·         بافت

ويژگيهاي بافت، اطلاعات مهمي درباره وضعيت ساختاري قسمتهاي مختلف يك تصوير و ارتباط آنها با ساير قسمت‌ها در بردارند. تحقيقات زيادي در زمينه تحليل بافت به علت مفيد بودنش در زمينه‌هاي بازشناسي الگو، بينايي ماشين وبازيابي تصوير انجام شده است.به طور كلي توصيف‌گرهاي بافت به دو دسته مهم تقسيم مي‌شوند: توصيف‌گرهاي آماري وتوصيف‌گرهاي حوزه تبديل.

توصيف‌گرهاي دسته اول، وابستگي مكاني ميان نقاط بافت را در تصاوير خاكستري به تصوير مي‌كشند وآمارگان معناداري را براي ارائه بافت بدست مي‌دهند. دسته دوم ويژگيهاي بافت، در فضاي تبديل تعريف مي‌شوند. فضاهاي تبديلي كه بيشترين كاربرد را در زمينه تحليل بافت دارند، عبارتند از: تبديل كوسينوس گسسته، تبديل فوريه، تبديل فوريه قطبي، تبديل موجك و فيلترهاي گابور[1]

[1] H.Nezamabadi-pour,"Using domain specific features in an interactive system for color image retrieval", PHD thesis in  Electronics Engineering of Tarbiat Modarres University, 2004.