圖像檢索中的元數(shù)據(jù)分析

1、圖像檢索中的元數(shù)據(jù)分析        1、引言    隨著機(jī)和的普及，人們對數(shù)字圖像信息的需求與日俱增，有關(guān)圖像檢索、存儲(chǔ)方面的技術(shù)逐漸受到重視，并得到了快速。圖像檢索技術(shù)主要分為基于內(nèi)容圖像檢索（CBIR）和基于文本圖像檢索（TBIR）兩大類。TBIR是借用文本索引技術(shù)，手工將圖像文件內(nèi)容標(biāo)注為一系列關(guān)鍵字，并對關(guān)鍵字建立索引。這種檢索技術(shù)對圖像處理的技術(shù)性要求不是太高，且操作方便，便于理解，在圖像檢索中應(yīng)用得比較廣泛，人們的研究重點(diǎn)已相應(yīng)轉(zhuǎn)移到了基于文本的圖像元數(shù)據(jù)標(biāo)準(zhǔn)的制定上：希

2、望通過對元數(shù)據(jù)標(biāo)準(zhǔn)的完善來更加準(zhǔn)確地刻畫圖像的特征，以更好地滿足檢索需求。圖像元數(shù)據(jù)繼承并發(fā)展了對TBIR的研究，TBIR和圖像元數(shù)據(jù)也因此一直有著較為緊密的聯(lián)系。    而自從CBIR提出以后，其較強(qiáng)的技術(shù)性及在考古、醫(yī)學(xué)等專業(yè)內(nèi)的高度適用性很快引起了相關(guān)研究及應(yīng)用領(lǐng)域人員的重視。CBIR突破了傳統(tǒng)檢索技術(shù)的局限，直接對圖像內(nèi)容進(jìn)行分析，抽取特征和語義，利用這些內(nèi)容特征建立索引并進(jìn)行檢索，同時(shí)融合了模式識別、計(jì)算機(jī)視覺及圖像理解等技術(shù)，雖然目前仍只在一些專業(yè)領(lǐng)域內(nèi)研究，但隨著MPEG7的推出，其使用范圍大大擴(kuò)展， 人們對它的發(fā)展前景無疑是看好的。 &#

3、160;  然而在熱點(diǎn)背后，我們也應(yīng)該看到，無論是對元數(shù)據(jù)的研究還是對CBIR的討論，以往都局限于各自的范圍，CBIR和TBIR在被論述時(shí)常常是建立在兩者不和諧的基調(diào)上，它們各自所對應(yīng)的元數(shù)據(jù)集之間很難兼容，CBIR和圖像元數(shù)據(jù)聯(lián)系也相對薄弱。面對這樣一種不協(xié)調(diào)的情況，筆者認(rèn)為，應(yīng)該站在一個(gè)新的相對統(tǒng)一的層面上，以用戶需求作為出發(fā)點(diǎn)，重新看待兩種圖像檢索技術(shù)及其相互之間的關(guān)系，而作為兩種檢索技術(shù)支撐基礎(chǔ)的圖像元數(shù)據(jù)則應(yīng)成為它們相互補(bǔ)充和融合的平臺(tái)而不是區(qū)分它們的一個(gè)指標(biāo)。為此，本文對幾個(gè)有代表性的，使用較為廣泛的圖像元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行了考察，希望能在此基礎(chǔ)上對兩種圖像檢索技術(shù)的融合問題提

4、供一個(gè)側(cè)面的依據(jù)。    2、圖像元數(shù)據(jù)及相關(guān)標(biāo)準(zhǔn)評價(jià)    數(shù)字圖像可供檢索的屬性主要有以下幾方面：圖像創(chuàng)建信息；圖像的顏色、紋理、形狀等原始特征；物體的布局、擺放形式；對圖像表現(xiàn)事件的描述；特定的人、地點(diǎn)、事件；和圖像相關(guān)的主觀感情1。作為圖像元數(shù)據(jù)，無論是基于何種技術(shù)，在對圖像進(jìn)行描述時(shí)，都必須要盡可能準(zhǔn)確地反映這些特征，即圖像元數(shù)據(jù)的選擇與制定要受到圖像特征這一客觀因素的制約，這是圖像元數(shù)據(jù)與一般元數(shù)據(jù)的主要區(qū)別所在，下面就VRA Core，MOA2，CDL，RLG，TMD，METS，MPEG7等7種圖像元數(shù)據(jù)標(biāo)準(zhǔn)作簡要介紹。

5、    2.1VRA Core 3.0    1993年，視覺資源協(xié)會(huì)（Visual Resources Association, VRA）為了更好地管理、組織和交換視覺資料資源，制定了視覺資源核心類目（The Core Categories for Visual Resources，簡稱VRA Core）2，最新版本為3.0版（2000年6月），由17個(gè)類目組成，每個(gè)類目相當(dāng)于其他元數(shù)據(jù)標(biāo)準(zhǔn)中的一個(gè)元素。    該標(biāo)準(zhǔn)建立目的是為了實(shí)現(xiàn)網(wǎng)絡(luò)中圖像以及視覺資源的共享，所以與主要用于存儲(chǔ)的元數(shù)據(jù)集相比，這些

6、元素在完整地描述一個(gè)圖像資源方面并沒有更多的優(yōu)勢3。該標(biāo)準(zhǔn)所涉及到的圖像特征有相當(dāng)一部分是屬于語義層次上的，對圖像顏色、紋理等原始特征的描述較少，可以較好滿足用戶根據(jù)圖像抽象特征進(jìn)行的檢索，尤其適用于類圖像資源的管理。    2.2MOA2元數(shù)據(jù)    MOA2（The Making Of America ）是數(shù)字圖書館聯(lián)盟（Digital Library Federation, DLF）進(jìn)行的一個(gè)數(shù)字圖書館研究項(xiàng)目，它將圖像元數(shù)據(jù)分為三大類：描述性元數(shù)據(jù)，主要用于發(fā)現(xiàn)、識別和定位數(shù)字圖像，對此MOA2推薦使用已有標(biāo)準(zhǔn)（如：MARC、

7、DC、EAD等）；結(jié)構(gòu)性元數(shù)據(jù)， 是與數(shù)字圖像的呈現(xiàn)有關(guān)的元數(shù)據(jù)，用于描述數(shù)字圖像之間的關(guān)系以及數(shù)字圖像的顯示格式等信息，包括描述一個(gè)完整對象的元數(shù)據(jù)和描述數(shù)字對象的元數(shù)據(jù)兩類；管理性元數(shù)據(jù)，主要是數(shù)字圖像的產(chǎn)生信息、識別信息、版權(quán)信息等。該標(biāo)準(zhǔn)的重點(diǎn)在于結(jié)構(gòu)性元數(shù)據(jù)和管理性元數(shù)據(jù)2。    MOA2在管理性元數(shù)據(jù)方面較VRA Core而言，更為詳細(xì)，對圖像的描述也更為專業(yè)化；對圖像之間的關(guān)系有比較完整的描述機(jī)制是其一大特色，這對圖像資源建設(shè)中結(jié)構(gòu)層次的建立很有益處。在對圖像特征的表達(dá)上，對原始特征的描述有較強(qiáng)的技術(shù)性，這反映在管理性元數(shù)據(jù)和結(jié)構(gòu)性元數(shù)據(jù)兩類元數(shù)據(jù)

8、的設(shè)置上；在對圖像主題的描述方面，主要依賴于所采用的描述性元數(shù)據(jù)的標(biāo)準(zhǔn)。    2.3CDL元數(shù)據(jù)    CDL（California Digital Library）是加利福尼亞大學(xué)提供的數(shù)字資源網(wǎng)絡(luò)門戶為其數(shù)字圖像的質(zhì)量、格式、存儲(chǔ)和訪問制定的一系列標(biāo)準(zhǔn)，基本采用MOA2的元數(shù)據(jù)定義，也將元數(shù)據(jù)分為描述性、結(jié)構(gòu)性和管理性元數(shù)據(jù)三類，重點(diǎn)也在后兩類上2。對于描述性元數(shù)據(jù)，和MOA2類似，CDL允許各個(gè)使用者采取不同的元數(shù)據(jù)集，只需Descriptive Metadata Type元素中說明采用的元數(shù)據(jù)集的名稱種類。CDL將數(shù)字對象劃

9、分為簡單數(shù)字對象和復(fù)雜數(shù)字對象，并為它們分別定義元數(shù)據(jù)，這一點(diǎn)與MOA2的對象與子對象類似。   MOA2和CDL都是注重管理性元數(shù)據(jù)和結(jié)構(gòu)性元數(shù)據(jù)的元數(shù)據(jù)集， 劃分標(biāo)準(zhǔn)基本一致，以結(jié)構(gòu)性元數(shù)據(jù)為例：兩個(gè)標(biāo)準(zhǔn)中的結(jié)構(gòu)性元數(shù)據(jù)有近一半的具體元素是相同的，只是分屬子類別有所不同，除此之外，MOA2對圖像描述性的技術(shù)參數(shù)更多一些；而CDL則更符合結(jié)構(gòu)性元數(shù)據(jù)的性質(zhì)，將簡單數(shù)字對象和復(fù)雜數(shù)字對象放在一個(gè)子集中，同時(shí)附以相應(yīng)的參照，可以更好地反映圖像文件之間層次關(guān)系。在對圖像原始特征描述上CDL比MOA2更進(jìn)一步，技術(shù)性也有所加強(qiáng)，但主要是服務(wù)于圖像管理和顯示輸出。這兩個(gè)元數(shù)據(jù)標(biāo)準(zhǔn)在

10、圖像管理方面可以較好地滿足用戶要求，雖然是基于文本技術(shù)的，但是對圖像原始特征的描述非常接近于專業(yè)的圖像信息技術(shù)。    2.4RLG存儲(chǔ)元數(shù)據(jù)集    1998年，Research Library Group（RLG）成立了一個(gè)工作組，專門研究存儲(chǔ)性元數(shù)據(jù)。他們在DC和USMARC的基礎(chǔ)上提出了他們認(rèn)為是對數(shù)據(jù)文件至關(guān)重要的16個(gè)元素。由于該元數(shù)據(jù)集主要作用于數(shù)字圖像的存儲(chǔ)，所以版權(quán)、使用權(quán)等方面的信息沒有納入在內(nèi)，文件類型方面的因素也被酌情忽略4。    該元數(shù)據(jù)集主要滿足的是圖像存儲(chǔ)需要，偏重于管理性

11、元數(shù)據(jù)，其元素大多反映的是圖像的原始特征，雖然技術(shù)性較強(qiáng)，但比較簡單，沒有涉及語義、概念層次上的特征，所以只能被一些專業(yè)的圖像資源管理組織在圖像存儲(chǔ)時(shí)采用，不僅不適用于一般用戶在互聯(lián)網(wǎng)上查找圖像，而且在圖像檢索專業(yè)領(lǐng)域內(nèi)也無法推廣使用。    2.5NISO Draft Standard: Data Dictionary-Technical Metadata for Digital Still Images （TMD）    該標(biāo)準(zhǔn)于1999年由美國國家信息標(biāo)準(zhǔn)局、圖書館情報(bào)資源委員會(huì)和研究圖書館協(xié)會(huì)三個(gè)組織召開專家會(huì)議討論制定。制定

12、該標(biāo)準(zhǔn)目的在于推動(dòng)圖像處理中驗(yàn)證、管理、傳輸?shù)燃夹g(shù)的應(yīng)用。與會(huì)專家分別從圖像特征、圖像制作與復(fù)制、圖像確認(rèn)與完整性三個(gè)方面提出了一系列供的元素，希望從中整合出最后的元數(shù)據(jù)元素集2。該元數(shù)據(jù)集與RLG存儲(chǔ)元數(shù)據(jù)集有著類似的風(fēng)格，但卻更為詳細(xì)和全面，技術(shù)性強(qiáng)是它最主要的特征。在對圖像內(nèi)容的描述上，有關(guān)圖像原始特征的元數(shù)據(jù)更為全面，充分反映了圖像在色彩、層次上的特點(diǎn)，向CBIR又跨進(jìn)了一步，但由于它仍是基于文本的，這些參數(shù)并不能被大多數(shù)互聯(lián)網(wǎng)用戶所理解，只限于圖書情報(bào)中圖像資源管理及應(yīng)用專業(yè)領(lǐng)域內(nèi)的使用。1        

13、0;   2.6Metadata Encoding and Transmission Standard （METS）    METS是數(shù)字圖書館聯(lián)盟的一個(gè)項(xiàng)目，由美國國會(huì)圖書館發(fā)布，試圖在MOA2的基礎(chǔ)之上，提供一個(gè)基于XML的元數(shù)據(jù)編碼格式來封裝元數(shù)據(jù)，它可用于在不同的存貯庫內(nèi)的數(shù)字對象交換數(shù)據(jù)，也可以作為對數(shù)字對象本地化的輸入、檢索和顯示的封裝機(jī)制。    METS模板為數(shù)字圖書館的數(shù)字對象提供了一種靈活的描述性、管理性和結(jié)構(gòu)性的元數(shù)據(jù)編碼機(jī)制，可以表示各種各樣的元數(shù)據(jù)之間復(fù)雜的鏈接關(guān)系，尤其有利于數(shù)字對象保存

14、庫之間的交換和數(shù)字對象的長期保存5。    可以認(rèn)為METS是介于描述性元數(shù)據(jù)標(biāo)準(zhǔn)和管理性元數(shù)據(jù)標(biāo)準(zhǔn)之間的一種元數(shù)據(jù)標(biāo)準(zhǔn)，它既有反映圖像主題方面的元數(shù)據(jù)，也有反映技術(shù)上的有關(guān)圖像表示及傳遞要求的元數(shù)據(jù)，但主要還是偏重于前者，體現(xiàn)了TBIR表達(dá)圖像概念層次上特征的優(yōu)勢。    2.7 MPEG7    多媒體內(nèi)容描述接口（Multimedia Content Description Interface），簡稱MPEG7，是活動(dòng)圖像專家組提出并制定的一種針對各類多媒體信息的描述標(biāo)準(zhǔn)6。MPEG7是唯一的與CB

15、IR相聯(lián)系的圖像元數(shù)據(jù)標(biāo)準(zhǔn)，它的出現(xiàn)對實(shí)現(xiàn)CBIR系統(tǒng)有很大影響，不僅使得圖像檢索的通用性和重復(fù)利用性得到了極大增強(qiáng)，而且為CBIR系統(tǒng)提供了一個(gè)完整的目標(biāo)描述模型，使CBIR系統(tǒng)開發(fā)有了一個(gè)比較理想、完整、統(tǒng)一的底層構(gòu)架。    MPEG7使圖像檢索更為簡單明快，基于MPEG7的搜索引擎可以按標(biāo)準(zhǔn)對反映圖像內(nèi)容的參數(shù)進(jìn)行定義存儲(chǔ)，使CBIR的檢索效率大大提高。但是MPEG7也存在著一定隱患：一是圖像特征描述參數(shù)本身尚未成熟，作為國際性通用標(biāo)準(zhǔn)，它所采用的參數(shù)是否具有標(biāo)準(zhǔn)性和通用性，仍值得商榷；其次MPEG7并不能解決圖像的特征抽取和匹配問題，特別是在概念層次上的

16、特征無法自動(dòng)生成，必須人工輸入，仍然無法避免語義上的主觀傾向性，也就是說，盡管MPEG7將CBIR和TBIR放在了一個(gè)標(biāo)準(zhǔn)之內(nèi)，但并沒有使它們真正有機(jī)融合在一起，即它們各自原有的缺陷依然存在。    2.8評述    從以上分析可以看出，前6種圖像元數(shù)據(jù)標(biāo)準(zhǔn)是基于文本技術(shù)的，而與CBIR相聯(lián)系的目前只有MPEG7一種。 基于文本的元數(shù)據(jù)標(biāo)準(zhǔn)又根據(jù)使用的范圍和目的大致可以分為以描述圖像概念層次上特征為主的主題性元數(shù)據(jù)標(biāo)準(zhǔn)（如VRA Core）、以描述圖像原始特征為主的管理性元數(shù)據(jù)標(biāo)準(zhǔn)（如MOA2、CDL、TMD）以及介于這兩者之間的標(biāo)準(zhǔn)

17、（如METS）。其中，MPEG7可以稱得上是最新、發(fā)展水平最高的一種圖像元數(shù)據(jù)標(biāo)準(zhǔn)，而且TBIR和CBIR也已被統(tǒng)一到該標(biāo)準(zhǔn)的內(nèi)部中來，雖然它還存在一些不成熟的地方有待完善，不過它的出現(xiàn)已經(jīng)推動(dòng)了兩種圖像檢索技術(shù)的融合，而且隨著多媒體技術(shù)，尤其是圖像描述與檢索中關(guān)鍵技術(shù)的發(fā)展，MPEG7定會(huì)在實(shí)現(xiàn)與完善兩種圖像檢索技術(shù)的融合中起著至關(guān)重要的作用。     3、從圖像元數(shù)據(jù)標(biāo)準(zhǔn)看TBIR與CBIR    圖像元數(shù)據(jù)是圖像檢索的基礎(chǔ)和依據(jù)，直接關(guān)系著檢索入口，它所采用的圖像特征，對用戶檢索采用的相應(yīng)策略和效果有著直接影響。一定程度上，元數(shù)

18、據(jù)標(biāo)準(zhǔn)的制定可以促進(jìn)檢索技術(shù)發(fā)展；另一方面，圖像檢索技術(shù)的實(shí)現(xiàn)和使用情況也反映了元數(shù)據(jù)標(biāo)準(zhǔn)是否合理：這兩方面是互相影響、互相牽制、互相促進(jìn)的。    目前基于文本的圖像元數(shù)據(jù)標(biāo)準(zhǔn)還是占大多數(shù)，應(yīng)用廣泛，可以滿足描述、管理等多方面需求，現(xiàn)有的大多數(shù)圖像搜索引擎所采用的都是基于文本的檢索方式；而CBIR由于缺少相應(yīng)標(biāo)準(zhǔn)，總體來說尚未成熟，大多數(shù)基于內(nèi)容的圖像檢索系統(tǒng)采用的元數(shù)據(jù)集各成體系，相互之間很難兼容。但隨著MPEG7的推出以及圖像元數(shù)據(jù)標(biāo)準(zhǔn)的發(fā)展，相關(guān)的技術(shù)問題會(huì)逐步得到解決。所以，從應(yīng)用情況來說，CBIR和TBIR各有其優(yōu)勢所在。    從兩種檢索技術(shù)自身來看，它們也是各有特點(diǎn)，由此也帶來了它們各自較為固定的用戶群。作為圖像領(lǐng)域研究熱點(diǎn)的CBIR在技術(shù)上無疑比TBIR更為先進(jìn)，在滿足用戶需求上的優(yōu)勢也是顯而易見。首先，描述圖像資源時(shí)，采用的是顏色、紋理、形狀等特征，更為直觀和客觀，避免了TBIR中資源管理者著錄時(shí)所帶有的主觀傾向7；其次，在醫(yī)學(xué)、考古等專業(yè)領(lǐng)