图像检索中的元数据分析，本文主要内容关键词为：图像论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1、引言
随着计算机和网络的普及，人们对数字图像信息的需求与日俱增，有关图像检索、存储方面的技术逐渐受到重视，并得到了快速发展。图像检索技术主要分为基于内容图像检索（CBIR）和基于文本图像检索（TBIR）两大类。TBIR是借用文本索引技术，手工将图像文件内容标注为一系列关键字，并对关键字建立索引。这种检索技术对图像处理的技术性要求不是太高，且操作方便，便于理解，在图像检索中应用得比较广泛，人们的研究重点已相应转移到了基于文本的图像元数据标准的制定上：希望通过对元数据标准的完善来更加准确地刻画图像的特征，以更好地满足检索需求。图像元数据继承并发展了对TBIR的研究，TBIR和图像元数据也因此一直有着较为紧密的联系。
而自从CBIR提出以后，其较强的技术性及在考古、医学等专业内的高度适用性很快引起了相关研究及应用领域人员的重视。CBIR突破了传统检索技术的局限，直接对图像内容进行分析，抽取特征和语义，利用这些内容特征建立索引并进行检索，同时融合了模式识别、计算机视觉及图像理解等技术，虽然目前仍只在一些专业领域内研究，但随着MPEG－7的推出，其使用范围大大扩展， 人们对它的发展前景无疑是看好的。
然而在热点背后，我们也应该看到，无论是对元数据的研究还是对CBIR的讨论，以往都局限于各自的范围，CBIR和TBIR在被论述时常常是建立在两者不和谐的基调上，它们各自所对应的元数据集之间很难兼容，CBIR和图像元数据联系也相对薄弱。面对这样一种不协调的情况，笔者认为，应该站在一个新的相对统一的层面上，以用户需求作为出发点，重新看待两种图像检索技术及其相互之间的关系，而作为两种检索技术支撑基础的图像元数据则应成为它们相互补充和融合的平台——而不是区分它们的一个指标。为此，本文对几个有代表性的，使用较为广泛的图像元数据标准进行了考察，希望能在此基础上对两种图像检索技术的融合问题提供一个侧面的依据。
2、图像元数据及相关标准评价
数字图像可供检索的属性主要有以下几方面：①图像创建信息；②图像的颜色、纹理、形状等原始特征；③物体的布局、摆放形式；④对图像表现事件的描述；⑤特定的人、地点、事件；⑥和图像相关的主观感情[1]。作为图像元数据，无论是基于何种技术，在对图像进行描述时，都必须要尽可能准确地反映这些特征，即图像元数据的选择与制定要受到图像特征这一客观因素的制约，这是图像元数据与一般元数据的主要区别所在，下面就VRA Core，MOA2，CDL，RLG，TMD，METS，MPEG－7等7种图像元数据标准作简要介绍。
2.1 VRA Core 3.0
1993年，视觉资源协会（Visual Resources Association,VRA）为了更好地管理、组织和交换视觉资料资源，制定了视觉资源核心类目（The Core Categories for Visual Resources，简称VRA Core）[2]，最新版本为3.0版（2000年6月），由17个类目组成，每个类目相当于其他元数据标准中的一个元素。
该标准建立目的是为了实现网络中图像以及视觉资源的共享，所以与主要用于存储的元数据集相比，这些元素在完整地描述一个图像资源方面并没有更多的优势[3]。该标准所涉及到的图像特征有相当一部分是属于语义层次上的，对图像颜色、纹理等原始特征的描述较少，可以较好满足用户根据图像抽象特征进行的检索，尤其适用于艺术类图像资源的管理。
2.2 MOA2元数据
MOA2（The Making Of America Ⅱ）是数字图书馆联盟（Digital Library Federation,DLF）进行的一个数字图书馆研究项目，它将图像元数据分为三大类：①描述性元数据，主要用于发现、识别和定位数字图像，对此MOA2推荐使用已有标准（如：MARC、DC、EAD等）；②结构性元数据， 是与数字图像的呈现有关的元数据，用于描述数字图像之间的关系以及数字图像的显示格式等信息，包括描述一个完整对象的元数据和描述数字对象的元数据两类；③管理性元数据，主要是数字图像的产生信息、识别信息、版权信息等。该标准的重点在于结构性元数据和管理性元数据[2]。
MOA2在管理性元数据方面较VRA Core而言，更为详细，对图像的描述也更为专业化；对图像之间的关系有比较完整的描述机制是其一大特色，这对图像资源建设中结构层次的建立很有益处。在对图像特征的表达上，对原始特征的描述有较强的技术性，这反映在管理性元数据和结构性元数据两类元数据的设置上；在对图像主题的描述方面，主要依赖于所采用的描述性元数据的标准。
2.3 CDL元数据
CDL（California Digital Library）是加利福尼亚大学提供的数字资源网络门户为其数字图像的质量、格式、存储和访问制定的一系列标准，基本采用MOA2的元数据定义，也将元数据分为描述性、结构性和管理性元数据三类，重点也在后两类上[2]。对于描述性元数据，和MOA2类似，CDL允许各个使用者采取不同的元数据集，只需Descriptive Metadata Type元素中说明采用的元数据集的名称种类。CDL将数字对象划分为简单数字对象和复杂数字对象，并为它们分别定义元数据，这一点与MOA2的对象与子对象类似。
MOA2和CDL都是注重管理性元数据和结构性元数据的元数据集， 划分标准基本一致，以结构性元数据为例：两个标准中的结构性元数据有近一半的具体元素是相同的，只是分属子类别有所不同，除此之外，MOA2对图像描述性的技术参数更多一些；而CDL则更符合结构性元数据的性质，将简单数字对象和复杂数字对象放在一个子集中，同时附以相应的参照，可以更好地反映图像文件之间层次关系。在对图像原始特征描述上CDL比MOA2更进一步，技术性也有所加强，但主要是服务于图像管理和显示输出。这两个元数据标准在图像管理方面可以较好地满足用户要求，虽然是基于文本技术的，但是对图像原始特征的描述非常接近于专业的图像信息技术。
2.4 RLG存储元数据集
1998年，Research Library Group（RLG）成立了一个工作组，专门研究存储性元数据。他们在DC和USMARC的基础上提出了他们认为是对数据文件至关重要的16个元素。由于该元数据集主要作用于数字图像的存储，所以版权、使用权等方面的信息没有纳入在内，文件类型方面的因素也被酌情忽略[4]。
该元数据集主要满足的是图像存储需要，偏重于管理性元数据，其元素大多反映的是图像的原始特征，虽然技术性较强，但比较简单，没有涉及语义、概念层次上的特征，所以只能被一些专业的图像资源管理组织在图像存储时采用，不仅不适用于一般用户在互联网上查找图像，而且在图像检索专业领域内也无法推广使用。
2.5 NISO Draft Standard:Data Dictionary-Technical Metadata for Digital Still Images （TMD）
该标准于1999年由美国国家信息标准局、图书馆情报资源委员会和研究图书馆协会三个组织召开专家会议讨论制定。制定该标准目的在于推动图像处理中验证、管理、传输等技术的应用。与会专家分别从图像特征、图像制作与复制、图像确认与完整性三个方面提出了一系列供参考的元素，希望从中整合出最后的元数据元素集[2]。该元数据集与RLG存储元数据集有着类似的风格，但却更为详细和全面，技术性强是它最主要的特征。在对图像内容的描述上，有关图像原始特征的元数据更为全面，充分反映了图像在色彩、层次上的特点，向CBIR又跨进了一步，但由于它仍是基于文本的，这些参数并不能被大多数互联网用户所理解，只限于图书情报中图像资源管理及应用专业领域内的使用。
2.6 Metadata Encoding and Transmission Standard （METS）
METS是数字图书馆联盟的一个项目，由美国国会图书馆发布，试图在MOA2的基础之上，提供一个基于XML的元数据编码格式来封装元数据，它可用于在不同的存贮库内的数字对象交换数据，也可以作为对数字对象本地化的输入、检索和显示的封装机制。
METS模板为数字图书馆的数字对象提供了一种灵活的描述性、管理性和结构性的元数据编码机制，可以表示各种各样的元数据之间复杂的链接关系，尤其有利于数字对象保存库之间的交换和数字对象的长期保存[5]。
可以认为METS是介于描述性元数据标准和管理性元数据标准之间的一种元数据标准，它既有反映图像主题方面的元数据，也有反映技术上的有关图像表示及传递要求的元数据，但主要还是偏重于前者，体现了TBIR表达图像概念层次上特征的优势。
2.7 MPEG－7
多媒体内容描述接口（Multimedia Content Description Interface），简称MPEG－7，是活动图像专家组提出并制定的一种针对各类多媒体信息的描述标准[6]。MPEG－7是唯一的与CBIR相联系的图像元数据标准，它的出现对实现CBIR系统有很大影响，不仅使得图像检索的通用性和重复利用性得到了极大增强，而且为CBIR系统提供了一个完整的目标描述模型，使CBIR系统开发有了一个比较理想、完整、统一的底层构架。
MPEG－7使图像检索更为简单明快，基于MPEG－7的搜索引擎可以按标准对反映图像内容的参数进行定义存储，使CBIR的检索效率大大提高。但是MPEG－7也存在着一定隐患：一是图像特征描述参数本身尚未发展成熟，作为国际性通用标准，它所采用的参数是否具有标准性和通用性，仍值得商榷；其次MPEG－7并不能解决图像的特征抽取和匹配问题，特别是在概念层次上的特征无法自动生成，必须人工输入，仍然无法避免语义上的主观倾向性，也就是说，尽管MPEG－7将CBIR和TBIR放在了一个标准之内，但并没有使它们真正有机融合在一起，即它们各自原有的缺陷依然存在。
2.8 评述
从以上分析可以看出，前6种图像元数据标准是基于文本技术的，而与CBIR相联系的目前只有MPEG－7一种。 基于文本的元数据标准又根据使用的范围和目的大致可以分为以描述图像概念层次上特征为主的主题性元数据标准（如VRA Core）、以描述图像原始特征为主的管理性元数据标准（如MOA2、CDL、TMD）以及介于这两者之间的标准（如METS）。其中，MPEG－7可以称得上是最新、发展水平最高的一种图像元数据标准，而且TBIR和CBIR也已被统一到该标准的内部中来，虽然它还存在一些不成熟的地方有待完善，不过它的出现已经推动了两种图像检索技术的融合，而且随着多媒体技术，尤其是图像描述与检索中关键技术的发展，MPEG－7定会在实现与完善两种图像检索技术的融合中起着至关重要的作用。
3、从图像元数据标准看TBIR与CBIR
图像元数据是图像检索的基础和依据，直接关系着检索入口，它所采用的图像特征，对用户检索采用的相应策略和效果有着直接影响。一定程度上，元数据标准的制定可以促进检索技术发展；另一方面，图像检索技术的实现和使用情况也反映了元数据标准是否合理：这两方面是互相影响、互相牵制、互相促进的。
目前基于文本的图像元数据标准还是占大多数，应用广泛，可以满足描述、管理等多方面需求，现有的大多数图像搜索引擎所采用的都是基于文本的检索方式；而CBIR由于缺少相应标准，总体来说尚未成熟，大多数基于内容的图像检索系统采用的元数据集各成体系，相互之间很难兼容。但随着MPEG－7的推出以及图像元数据标准的发展，相关的技术问题会逐步得到解决。所以，从应用情况来说，CBIR和TBIR各有其优势所在。
从两种检索技术自身来看，它们也是各有特点，由此也带来了它们各自较为固定的用户群。作为图像领域研究热点的CBIR在技术上无疑比TBIR更为先进，在满足用户需求上的优势也是显而易见。首先，描述图像资源时，采用的是颜色、纹理、形状等特征，更为直观和客观，避免了TBIR中资源管理者著录时所带有的主观倾向[7]；其次，在医学、考古等专业领域内，根据纹理、颜色等特征进行的检索需求较多，这是TBIR所难以解决的；再次，TBIR虽然也可以描述图像的部分原始特征，但在应用上因其技术性较强因而存在一定难度，非专业人员往往难以理解其内在本质，对于普通用户来说，CBIR可能更容易满足他们根据图像原始特征的图像检索，这对他们来说更为简单方便。可以看出，TBIR在图像管理方面更为有利，CBIR则在图像检索方面有更大的发展空间。
但也应该看到的是，虽然CBIR在技术和理论上更为先进，但它并不能解决所有的图像检索问题，比如它暂时还不能较好地揭示图像在语义层次上的内容，而这恰恰是TBIR的长处所在，这也是MPEG－7虽然是以建立描述基于内容的元数据为目的，但在标准中也纳入了基于文本的主题性的元数据的原因之一；另外，CBIR在存储和检索图像时，要计算颜色、纹理、形状等表征，必要时还需要对这些数据进行存储，这就比TBIR对计算机以及网络技术有着更高的要求，尤其是在图像资源较为庞大的时候，往往由于硬件以及计算速度的限制难以投入实际应用。
综上所述，我们可以看到用户对图像检索的需求主观上要求TBIR与CBIR相结合，从图像元数据标准的现状和发展过程来看，客观上也体现了两种图像检索技术的融合趋势，而以图像元数据为平台，是可以实现这一融合的（MPEG－7的出现就充分说明了这个问题），而具体如何实现，以及是否还有其他更好的途径，也许应该成为我们今后要关注的问题。