所谓的空间关系，说的其实就是图像里存在多个目标物体，这多个目标物体之间还原到三维空间时就会有的空间位置关系。为了更加清楚详细的对物体之间的空间关系进行一个很好的划分，我们以有没有重合点为判断依据，可以得到交叠/重叠关系、连接/邻接关系和包含/包容关系等[2]。除了上面的划分方法外，我们通常会使用下面的划分，将其划分成两个部分，一种叫做绝对空间位置信息，另外一种叫做相对空间位置信息。前一种主要是关于被检测的目标之间的方位以及距离的多少，而后一种关系则主要是关于被检测目标之间的一些相对的情况，诸如上下左右的关系。由此可见，我们可以通过绝对空间位置来进行推算，并得出相对空间位置，但是相对空间位置所包含的信息就相对比较少了，没有绝对空间包含的那么多。

我们可以通过两种途径来提取到图像空间关系特征:首先，第一种方法就是先根据检测图像来进行自动分割的处理，然后，把图像中所包含的对象或颜色区域通过分割来划分出来，进而我们能根据被划分出来的这些区域来对图像来进行索引。其次的方法就是直接简单地平均地把源图像划分成数个具有不同规则的子块。之后再对每个子块所包含的内容做特征提取的工作，接着进行索引的建立就可以了。 

2.1.5  图像特征性能评价

    经过图像特征提取的方法和技术的介绍，下面是对这些提取的图像特征在性能上进行特征评估。

    1）颜色特征：颜色特征作为图像最为基本的特性，理所当然在有关图像检索的程序系统中作为视觉特征被广泛应用。和其他的视觉特征相比较起来，颜色特征不怎么受到图像视角、方向和尺寸的影响以及提取颜色特征的过程比较简单，使得以颜色特征为基础的图像检索正越来越被人们所关注和重视，与颜色特征相关的课题研究也正开展并进行地如火如荼。但单以颜色特征作为查询的唯一标准时，在数据库数据较大的情况下，在检测结果中时常会出现一些不被期望的相关图像。

    2）纹理特征：当遇到的待检测的图像的问题特征比较明显的时候，比如说像树的年轮图像这种粗细纹理明显，以及纹理有明显的疏密的图像，此时提取图像的纹理特征来进行图片的匹配不失为一种卓有成效的解决方案。但当图像间的这种差异性表现地并不十分明显时，正常提取到的纹理特征与人眼视觉所感觉到的纹理差别，这两者之间便存在着一定程度不可调和的技术误差。而且对于纹理特征而言，不可控的图像分辨率对计算出的纹理特征在准确性上所造成的影响是不可估量的。此外，不同的光照条件，不同的反射情况，也会对计算结果造成一定程度的影响。

3）形状特征：对于人眼而言，要将一幅图像中所包含的各个物体区分开来，是一件相当容易的事情，但对于图像处理而言则这个过程就没有这么容易了。目前图像处理技术与人眼视觉识别相比还存在着较大差异，因此借助于形状特征对图像进行检索时，最终得出的结果与人眼识别出的结果必然会存在着不小的差异性，甚至可能呈现出截然相反的两个结果。

    4）空间关系特征：空间关系特征的使用对于图像内容的区分大有裨益，由于图像本身的各种变换会引起不可预知的空间关系特征的相应变换，空间关系特征其实在实际的应用中的表现并不令人满意。在实际生产中，单一借助于空间信息进行检索会丢失一些场景信息，使得其描述并不完整，从而也会导致最终的匹配结果不够准确。为了检索的准确性，除了本特征以外，我们还需要将与其他特征配合进行使用。 CBIR+SIFT算子内容的商品图像检索(5):http://www.751com.cn/jisuanji/lunwen_64942.html