【摘 要】現(xiàn)今從眾多的多媒體信息中找到所需要的信息，就必須有高效、準(zhǔn)確的多媒體檢索技術(shù)。本文通過(guò)對(duì)從基于元數(shù)據(jù)(文本)的多媒體檢索發(fā)展到基于內(nèi)容的多媒體檢索，再發(fā)展到基于語(yǔ)義和內(nèi)容相結(jié)合的混合多媒體檢索，最后發(fā)展到跨媒體檢索的多媒體檢索模式歷程的研究，介紹了多媒體檢索技術(shù)的發(fā)展。

【關(guān)鍵詞】多媒體；信息檢索；檢索模式

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-8283(2009)03-0101-01

0 引言

隨著多媒體和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，每時(shí)每刻都會(huì)產(chǎn)生大量的多媒體信息。面對(duì)龐大的多媒體信息海洋，如何快速而準(zhǔn)確地從這些浩瀚的多媒體信息資源中獲得用戶需要的信息是一個(gè)非常重要的研究課題。多媒體信息檢索就是根據(jù)用戶的要求，對(duì)圖形、圖像、文本、聲音、動(dòng)畫(huà)等多媒體信息進(jìn)行檢索，得到用戶所需的信息。

1多媒體信息檢索

多媒體數(shù)據(jù)圖像、聲音、視頻等作為一種非結(jié)構(gòu)化數(shù)據(jù)，每天都呈現(xiàn)在我們的生活當(dāng)中，已經(jīng)成為每個(gè)人生活中的重要部分。近年來(lái)，數(shù)字圖書(shū)館和互聯(lián)網(wǎng)等信息資源庫(kù)飛速發(fā)展已逐漸成為人們?nèi)粘Ｉ钪行畔⒌闹匾獊?lái)源，從中查找自己感興趣的新聞和資料已經(jīng)成為人們生活中不可缺少的部分。

多媒體檢索技術(shù)經(jīng)歷了多年的發(fā)展，從其檢索模式來(lái)看，經(jīng)歷了從基于元數(shù)據(jù)(文本)的多媒體檢索發(fā)展到基于內(nèi)容的多媒體檢索，再發(fā)展到基于語(yǔ)義和內(nèi)容相結(jié)合的混合多媒體檢索，最后發(fā)展到目前正在研究的跨媒體檢索。其中前兩者是針對(duì)單一類型的媒體對(duì)象的檢索，后兩者則針對(duì)多種類型媒體對(duì)象的綜合檢索。

2基于元數(shù)據(jù)(文本)的檢索模式

基于元數(shù)據(jù)(文本)的多媒體檢索方式將成熟的信息檢索技術(shù)應(yīng)用于多媒體信息的檢索。文本信息檢索技術(shù)在過(guò)去的幾十年中得到了充分的研究，并已成功運(yùn)用于諸如Google，Baidu等商用搜索引擎中?；陉P(guān)鍵字(元數(shù)據(jù))的圖像檢索，首先是人工對(duì)圖像用關(guān)鍵字進(jìn)行注釋，然后通過(guò)匹配用戶查詢關(guān)鍵字和圖像的注釋來(lái)搜索相關(guān)圖像。

該方法的優(yōu)點(diǎn)在于基于關(guān)鍵字匹配的多媒體檢索的查詢效率要遠(yuǎn)遠(yuǎn)優(yōu)于基于內(nèi)容的檢索模式。然而這種方法也存在缺陷：首先隨著多媒體信息數(shù)據(jù)量的增加，人工注釋需要大量勞動(dòng)力和時(shí)間，因此這種方法不適用于大規(guī)模的數(shù)據(jù)集合；其次，由于不同的人對(duì)于同樣的圖像視頻有不同的理解，甚至可能出現(xiàn)錯(cuò)誤理解。這些理解上的偏差和錯(cuò)誤會(huì)導(dǎo)致圖像注釋的不精確性，從而引起檢索過(guò)程中的錯(cuò)誤匹配。

3基于內(nèi)容的多媒體檢索模式

基于內(nèi)容的多媒體檢索其基本思想來(lái)源于基于內(nèi)容的圖片檢索。這種技術(shù)從圖像中自動(dòng)提取了底層的視覺(jué)特征，比如顏色、紋理、形狀等，作為圖像的底層視覺(jué)特征。在檢索中，用戶提交一幅“例子圖像”給系統(tǒng)作為查詢，系統(tǒng)會(huì)返回與此圖像在視覺(jué)特征上相似的其他圖像作為其檢索結(jié)果，這種技術(shù)后來(lái)也被運(yùn)用到基于內(nèi)容的視頻檢索。

一般來(lái)說(shuō)，基于內(nèi)容的檢索方法的局限性在于，它所用來(lái)描述圖像或其他多媒體數(shù)據(jù)的特征是一些底層的視覺(jué)/聽(tīng)覺(jué)特征，而人們則習(xí)慣于在語(yǔ)義層次上衡量檢索結(jié)果的相關(guān)與否。以目前的計(jì)算機(jī)視覺(jué)技術(shù)，我們還很難從多媒體內(nèi)容的底層特征中對(duì)應(yīng)到高層語(yǔ)義，因此基于內(nèi)容的檢索方法的準(zhǔn)確性是比較差的。

4基于語(yǔ)義和內(nèi)容結(jié)合的混合檢索模式

混合多媒體檢索模式是一種結(jié)合了基于語(yǔ)義和基于內(nèi)容的檢索模式各自優(yōu)點(diǎn)而提出的一種改進(jìn)的檢索方式。不同于以上兩種檢索模式，混合檢索模式通過(guò)對(duì)基于語(yǔ)義和基于內(nèi)容兩種檢索方式得到的查詢結(jié)果進(jìn)行融合分析，使得到的查詢結(jié)果既能反映語(yǔ)義層次上的相似性，而能體現(xiàn)底層特征上的相似性，從而可以大幅提高檢索效率，包括查全率和查準(zhǔn)率。

混合檢索模式在視頻檢索領(lǐng)域也得到了廣泛的應(yīng)用，這是因?yàn)樵家曨l數(shù)據(jù)包含多種類型的信息，如語(yǔ)義信息可以通過(guò)聲音識(shí)別或提取字幕信息等方式得到，視覺(jué)的底層信息可以通過(guò)視頻關(guān)鍵幀獲得，聽(tīng)覺(jué)信息則可通過(guò)提取視頻中伴隨的音頻信息獲得。實(shí)驗(yàn)結(jié)果表明混合的多媒體檢索方式確實(shí)能大大提高查詢結(jié)果的查全率和查準(zhǔn)率，是一種非常有希望的檢索技術(shù)。

5跨媒體檢索模式

近年來(lái)，隨著互聯(lián)網(wǎng)與多媒體技術(shù)的發(fā)展，多媒體數(shù)據(jù)呈現(xiàn)爆炸性增長(zhǎng)的趨勢(shì)，多種異構(gòu)的多媒體數(shù)據(jù)(如圖像、視頻、文檔等)在Web、數(shù)字圖書(shū)館以及其他的多媒體應(yīng)用中大量涌現(xiàn)，它們彼此存在相似的語(yǔ)義表達(dá)。但是，幾乎所有現(xiàn)有的檢索系統(tǒng)或方法都只是針對(duì)某種特定媒體對(duì)象的檢索比如圖像搜索工具，它們?cè)谏鲜鲞@些應(yīng)用中的局限性很大；一方面，它們局限于某種單一類型的媒體(如單純的圖像檢索方法)；另一方面，它們僅依賴多媒體數(shù)據(jù)的某種特定的特征(如關(guān)鍵字的TF*IDF或圖像的顏色直方圖、小波紋理特征，等)，因此難以提供在語(yǔ)義層面上相關(guān)的查詢結(jié)果?，F(xiàn)有的基于單一類型媒體對(duì)象的檢索技術(shù)無(wú)法滿足大量應(yīng)用中人們對(duì)多媒體信息查詢的新需要。

所謂“跨媒體”主要體現(xiàn)在三個(gè)方面：(1)這種檢索機(jī)制能夠“兼容”屬于各種不同模態(tài)類型的多媒體數(shù)據(jù)，比如文本、圖像、視頻等；(2)它能夠表達(dá)并利用多種類型的知識(shí)，包括多媒體數(shù)據(jù)的底層特征、文本中的關(guān)鍵字、數(shù)據(jù)之間的超鏈接等；(3)它能夠綜合運(yùn)用多種檢索方法。與基于內(nèi)容的檢索方法相比，這種檢索機(jī)制不但能獲得更為豐富的檢索結(jié)果，而且盡可能運(yùn)用多方面知識(shí)進(jìn)一步提高檢索結(jié)果的相關(guān)度，是一種非常主動(dòng)相對(duì)于保守而言的檢索機(jī)制。

6結(jié)束語(yǔ)

綜上所述，隨著網(wǎng)絡(luò)和信息的不斷發(fā)展，大量研究機(jī)構(gòu)和眾多專家對(duì)多媒體信息檢索進(jìn)行了深入和全面的研究?？梢詳嘌?，在不久的將來(lái)，多媒體信息檢索發(fā)展會(huì)越來(lái)越快；人們對(duì)多媒體信息進(jìn)行檢索的方法和工具將會(huì)更加完善和多樣化；檢索速度和檢索的準(zhǔn)確率將達(dá)到一個(gè)新的臺(tái)階。

參考文獻(xiàn)：

[1] 王曙燕.基于內(nèi)容的多媒體信息檢索技術(shù)研究[J].現(xiàn)代電子技術(shù)，2005，28(2)

[2] 王雅，羅著.基于內(nèi)容的多媒體檢索和索引的研究[J].中原工學(xué)院學(xué)報(bào)，2004，15(1)

[3] 莊越挺，潘云鶴，吳飛.網(wǎng)上多媒體信息分析與檢索[M].北京：清華大學(xué)出版社，2002年9月