圖像檢索中的元數(shù)據(jù)分析

1、引言隨著計算機和網(wǎng)絡(luò)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、存儲方面的技術(shù)逐漸受到重視，并得到了快速發(fā)展。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，同時融合了模式識別、計算機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MPEG－7的推出，其使用范圍大大擴展，人們對它的發(fā)展前景無疑是看好的。

然而在熱點背后，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)該站在一個新的相對統(tǒng)一的層面上，以用戶需求作為出發(fā)點，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)成為它們相互補充和融合的平臺——而不是區(qū)分它們的一個指標(biāo)。為此，本文對幾個有代表性的，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)的融合問題提供一個側(cè)面的依據(jù)。2、圖像元數(shù)據(jù)及相關(guān)標(biāo)準(zhǔn)評價數(shù)字圖像可供檢索的屬性主要有以下幾方面：①圖像創(chuàng)建信息；②圖像的顏色、紋理、形狀等原始特征；③物體的布局、擺放形式；④對圖像表現(xiàn)事件的描述；⑤特定的人、地點、事件；⑥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，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VRACore，MOA2，CDL，RLG，TMD，METS，MPEG－7等7種圖像元數(shù)據(jù)標(biāo)準(zhǔn)作簡要介紹。2.1VRACore3.0

1993年，視覺資源協(xié)會（VisualResourcesAssociation，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（TheCoreCategoriesforVisualResources，簡稱VRACore）[2]，最新版本為3.0版（2000年6月），由17個類目組成，每個類目相當(dāng)于其他元數(shù)據(jù)標(biāo)準(zhǔn)中的一個元素。

該標(biāo)準(zhǔn)建立目的是為了實現(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的元數(shù)據(jù)集相比，這些元素在完整地描述一個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，尤其適用于藝術(shù)類圖像資源的管理。2.2MOA2元數(shù)據(jù)

MOA2（TheMakingOfAmericaⅡ）是數(shù)字圖書館聯(lián)盟（DigitalLibraryFederation，DLF）進(jìn)行的一個數(shù)字圖書館研究項目，它將圖像元數(shù)據(jù)分為三大類：①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、DC、EAD等）；②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；③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VRACore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)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（CaliforniaDigitalLibrary）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允許各個使用者采取不同的元數(shù)據(jù)集，只需DescriptiveMetadataType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)字對象放在一個子集中，同時附以相應(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，但主要是服務(wù)于圖像管理和顯示輸出。這兩個元數(shù)據(jù)標(biāo)準(zhǔn)在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存儲元數(shù)據(jù)集

1998年，ResearchLibraryGroup（RLG）成立了一個工作組，專門研究存儲性元數(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個元素。由于該元數(shù)據(jù)集主要作用于數(shù)字圖像的存儲，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需要，偏重于管理性元數(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，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時采用，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。2.5NISODraftStandard:DataDictionary-TechnicalMetadataforDigitalStillImages（TMD）

該標(biāo)準(zhǔn)于1999年由美國國家信息標(biāo)準(zhǔn)局、圖書館情報資源委員會和研究圖書館協(xié)會三個組織召開專家會議討論制定。制定該標(biāo)準(zhǔn)目的在于推動圖像處理中驗證、管理、傳輸?shù)燃夹g(shù)的應(yīng)用。與會專家分別從圖像特征、圖像制作與復(fù)制、圖像確認(rèn)與完整性三個方面提出了一系列供參考的元素，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，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，只限于圖書情報中圖像資源管理及應(yīng)用專業(yè)領(lǐng)域內(nèi)的使用。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)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MPEG－7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，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，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所帶有的主觀傾向[7]；其次，在醫(yī)學(xué)、考古等專業(yè)領(lǐng)域內(nèi)，根據(jù)紋理、顏色等特征進(jìn)行的檢索需求較多，這是TBIR所難以解決的；再次，TBIR雖然也可以描述圖像的部分原始特征，但在應(yīng)用上因其技術(shù)性較強因而存在一定難度，非專業(yè)人員往往難以理解其內(nèi)在本質(zhì)，對于普通用戶來說，CBIR可能更容易滿足他們根據(jù)圖像原始特征的圖像檢索，這對他們來說更為簡單方便。可以看出，TBIR在圖像管理方面更為有利，CBIR則在圖像檢索方面有更大的發(fā)展空間。但也應(yīng)該看到的是，雖然CBIR在技術(shù)和理論上更為先進(jìn)，但它并不能解決所有的圖像檢索問題，比如它暫時還不能較好地揭示圖像在語義層次上的內(nèi)容，而這恰恰是TBIR的長處所在，這也是MPEG－7雖然是以建立描述基于內(nèi)容的元數(shù)據(jù)為目的，但在標(biāo)準(zhǔn)中也納入了基于文本的主題性的元數(shù)據(jù)的原因之一；另外，CBIR在存儲和檢索圖像時，要計算顏色、紋理、形狀等表征，必要時還需要對這些數(shù)據(jù)進(jìn)行存儲，這就比TBIR對計算