李超

摘 要：當(dāng)前圖片應(yīng)用及其搜索技術(shù)越來越成熟，圖片檢索系統(tǒng)也隨之得到了廣泛的應(yīng)用。文中基于上述背景首先對圖片信息的技術(shù)、文本圖片檢索系統(tǒng)進行了探討，接著對文本的圖片搜索引擎系統(tǒng)的評價完成了簡要概述，最后對組成系統(tǒng)架構(gòu)以及系統(tǒng)應(yīng)用測試進行了闡述，這一研究對信息檢索技術(shù)具有一定的參考價值。

關(guān)鍵詞：圖片應(yīng)用；搜索技術(shù)；文本圖片；搜索引擎；系統(tǒng)評價

目前的Internet應(yīng)用已經(jīng)取得了長足的發(fā)展，隨著網(wǎng)絡(luò)帶寬和終端計算能力的不斷增強，圖片被越來越多的應(yīng)用于內(nèi)容的表達和信息的承載。圖片的信息是指圖片的內(nèi)容所表征的意義，這種的信息承載方式與傳統(tǒng)的文本的信息是不一樣的。由于文本的直觀性和簡單性，文本的信息即包含于本身；而圖片的信息可以通過圖片本身的內(nèi)容傳達出來，也可以通過相關(guān)文字的描述傳達出來，于是圖片便有了雙重的信息載體。本文基于這一方向，對文本的圖片搜索引擎完成了探討，這一研究對信息檢索技術(shù)具有一定的參考價值。

1 圖片信息的技術(shù)

獲取圖片信息的技術(shù)可根據(jù)其來源的載體類型劃分為基于內(nèi)容與基于文本這兩大類。前者是將單純的圖片內(nèi)容作為分析與查找對象，而后者則是對與圖片有關(guān)的文字信息進行分析，其工作方式與以往的文本查找方式差不多。

由于互聯(lián)網(wǎng)具有邊緣化這一特點，其信息組織相當(dāng)自由，許多圖片資料根據(jù)方式與風(fēng)格的差異被組織到各不相同的地方。可根據(jù)各種方式自由的對文字與圖片進行安排。然而統(tǒng)計數(shù)據(jù)顯示，許多組織方式存在著一些共同點，這些共同點也反應(yīng)了我們在獲取信息方面的習(xí)慣。從而無限制的信息提取框架就有可能實現(xiàn)了?；ヂ?lián)網(wǎng)上的圖片與文本通常都是以組合的形式出現(xiàn)的，其中，HTML網(wǎng)頁是我們見的最多的一種組織形式，因此，許多與圖片相關(guān)的信息于可利用HTML挖掘來獲取。

在網(wǎng)頁中，HTML網(wǎng)頁的應(yīng)用是最為廣泛的，對搜索引擎而言，它也是一個最重要的信息獲取途徑?；ヂ?lián)網(wǎng)上擁有大量的HTML網(wǎng)頁和多媒體資源。

在互聯(lián)網(wǎng)上，Web搜索引擎技術(shù)已得到了廣泛的引用，每日需抓取不計其數(shù)的HTML網(wǎng)頁，這是一個非常有價值的資源庫，然而，現(xiàn)在只有文本信息被用于Web搜索。若將資源庫中的價值充分挖掘出來，則可實現(xiàn)圖片、MP3以及Flash等多個搜索系統(tǒng)的建立。所以，我們就從通過對HTML網(wǎng)頁的充分利用來創(chuàng)建Web圖片搜索引擎開始。

2 文本圖片檢索系統(tǒng)探析

2.1 檢索系統(tǒng)應(yīng)用涉及領(lǐng)域

如今，圖片應(yīng)用及其搜索技術(shù)越來越成熟，圖片檢索系統(tǒng)也隨之得到了廣泛的應(yīng)用。Google圖片搜索等通用Web圖片搜索引擎是現(xiàn)在應(yīng)用最為的廣泛的，它的服務(wù)對象是所有通用領(lǐng)域的用戶。不僅如此，圖片檢索還被應(yīng)用于許多專業(yè)領(lǐng)域，常見的有：

醫(yī)藥領(lǐng)域。大部分的醫(yī)學(xué)及相關(guān)專業(yè)由于要進行診斷和疾病檢查，故會涉及到可視信息資料，如：X光、掃描影像等。在相關(guān)信息的分析、傳輸以及存儲方面，圖片檢索技術(shù)發(fā)揮了重要作用，圖像處理是目前這個領(lǐng)域的研究重點，如：在腫瘤生長跟蹤方面采用了特征檢測。應(yīng)用于這個領(lǐng)域的系統(tǒng)中已有成功的案例。

圖形設(shè)計領(lǐng)域。重要現(xiàn)有的設(shè)計，對于這個領(lǐng)域的從業(yè)者而言，可獲得許多素材與靈感，而圖片檢索系統(tǒng)可方便工作的開展，此外，還便于用戶找到有特殊要求的作品。

出版領(lǐng)域。圖片對于出版社、雜志社等單位十分重要，由于需求量較大，它們大多都有自己的圖片庫，傳統(tǒng)的存儲與查找所采取的歸類方式較多。這個領(lǐng)域的工作人員在查找和選擇圖片方面所需時間較長，而圖片檢索系統(tǒng)則可提高圖片查找和挑選的效率。

此外，圖片檢索還被應(yīng)用于建筑設(shè)計、天文地理以及犯罪取證等領(lǐng)域。

2.2 用戶檢索方式技術(shù)

與網(wǎng)頁檢索相比，圖片檢索在檢索方式上有較大區(qū)別。目前基本上只有關(guān)鍵字查詢這種網(wǎng)頁檢索系統(tǒng)，因為在現(xiàn)有的考慮范圍內(nèi)只有文字可以描述網(wǎng)頁內(nèi)容。而用于描述圖片的除了文字之外，還有圖片自身。所以，圖片的檢索方式一般比較多，站在用戶檢索的角度來看，主要有目錄式檢索、關(guān)鍵字查詢、實例式檢索以及屬性式檢索四類。

⑴目錄式檢索。yahoo網(wǎng)頁搜索的特點也體現(xiàn)在了其圖片搜索上，對圖片實行了分類，用戶根據(jù)分類結(jié)構(gòu)對查詢范圍進行細化。這種檢索方式下的很多分類工作需要人工完成，所以，其代價也是很大的。

⑵關(guān)鍵字查詢。目前，關(guān)鍵字檢索方式適用于大型圖片搜索引擎。用戶輸入與所需圖片有關(guān)的文字，系統(tǒng)根據(jù)文字與圖片的匹配度對與查詢詞相對應(yīng)的圖片進行查找。具有較快的檢索速度是該檢索方式的最大優(yōu)勢，且基于文本的索引技術(shù)已發(fā)展到成熟階段。人工標(biāo)引和自動提取是匹配信息與文字的兩種方法。

人工標(biāo)引在信息檢索方面具有較高的準(zhǔn)確度。不足的是人工標(biāo)引的工作量較大，對于海量系統(tǒng)而言很難實現(xiàn)；另外，該方法具有較強的主觀性，幾乎無法將完整的信息反映出來，且有時所反映的圖片信息有誤。

自動提取方法的準(zhǔn)確度則沒有人工標(biāo)引方法高。因為信息具有多種組織形式，且具體組織形式的確定存在較大難度，對與圖片相匹配的信息很難確定。該方法下的信息提取所采取的是啟發(fā)式規(guī)則，信息獲取所采用的是使用較多的模式，同時，信息的準(zhǔn)確性可通過無用信息過濾等技術(shù)來加強。

⑶實例式檢索?，F(xiàn)在基于內(nèi)容的圖片搜索引擎基本上都是實例式檢索。系統(tǒng)根據(jù)所提供的圖片或用戶所畫的基本形狀特征對類似的圖片進行查找。較為容易找到類似圖片是該方式的優(yōu)勢，而需要用戶提供圖片則是它的不足之處，因為這樣對系統(tǒng)不利?；趦?nèi)容的檢索系統(tǒng)所提供的分類信息一般具有較大的粒度，如：風(fēng)景、人物等。

⑷屬性式檢索。屬性式檢索方式常被用于規(guī)模較小的攝影等專業(yè)的圖片數(shù)據(jù)庫，用戶的檢索依據(jù)可以是圖片的某些外在特征，如：作者、拍攝日期等。這類數(shù)據(jù)庫的特點就是管理的統(tǒng)一性，信息通常很規(guī)范，可通過當(dāng)前的關(guān)系數(shù)據(jù)庫來創(chuàng)建索引與檢索，過程比較簡單。

3 檢索系統(tǒng)評價

在檢索系統(tǒng)中，評價系統(tǒng)有兩個非常重要的指標(biāo)，即查準(zhǔn)率與查全率。查準(zhǔn)率指的是查詢結(jié)果中有關(guān)文檔數(shù)與文檔總數(shù)之比；查全率指的是查找到的有關(guān)文檔數(shù)與所有文檔集合中有關(guān)文檔總數(shù)之比。若在特定的查詢中，D+、R、R+分別代表所有文檔集合中有關(guān)文檔數(shù)、查詢結(jié)果文檔集合以及結(jié)果文檔中有關(guān)文檔集合，那么，查準(zhǔn)率與查全率則有以下定義：

查準(zhǔn)率：

查全率：

查準(zhǔn)率與查全率在圖片檢索系統(tǒng)中是很難度量的，由于圖片和文本的有關(guān)評價帶有較強的主觀意識，故幾乎無法得到比較具體的統(tǒng)計結(jié)果。

4 組成系統(tǒng)架構(gòu)

組成系統(tǒng)架構(gòu)的組件較多，一個系統(tǒng)的功能流量也因此得到了體現(xiàn)。第一步就是由用戶將圖像名稱與上下文輸入到系統(tǒng)，這樣有關(guān)列表圖像就生成了。各部分細節(jié)見下圖1。

輸入界面前端應(yīng)用程序設(shè)計：Eclipse編譯器為用戶提供了一個友好的界面，以便于用戶進行搜索與選擇，可通過部分上下文對人格圖片進行瀏覽，此外，還可查看一個或多個視圖模式的圖片。

耶拿框架：集成本體和用戶界面已采用了耶拿框架l。許多上下文已通過本體語言查詢建立。以上查詢會由耶拿向推理機傳遞。完成推理后， Jena會將結(jié)果被發(fā)送回輸出接口。

圖像庫和輸出接口：存儲庫中已保存了全部選定的圖片，檢索查詢結(jié)果輸出所對應(yīng)的圖像的名稱是一樣的。用戶在主屏幕對所要查找的上下文進行輸入，圖像最后將在多個Windows操作系統(tǒng)中出現(xiàn)。

5 文本圖片系統(tǒng)應(yīng)用測試和結(jié)果

我們對測試中采用本體的效果進行了評估。通過谷歌搜索引擎及測試關(guān)鍵字方法將個性各異的名字輸入到搜索框中，出現(xiàn)的結(jié)果很多，而大部分結(jié)果的關(guān)聯(lián)性并不大。我們在該系統(tǒng)中對同一查詢進行了測試，結(jié)果顯示效果要好于前者。采用精度、措施以及回憶等不同的方法對結(jié)果的進行比較，在不同的場景中，以語義為基礎(chǔ)的結(jié)果地位最高?？偟膩碚f，在本文的實驗中，與關(guān)鍵字搜索相比，語義文本搜索更加便于操作。

[參考文獻]

[1]徐靜.圖像搜索引擎的進步與應(yīng)用現(xiàn)狀分析[J].電子商務(wù)，2011，04：61-62.

[2]吳江.多媒體搜索引擎創(chuàng)新比較研究[J].圖書館學(xué)研究，2012，05：75-79+70.

[3]焦蕾，殷鋒社.圖像搜索引擎檢索模式分析與研究[J].電子設(shè)計工程，2012，05：132-134.

[4]王晟，趙壁芳.基于內(nèi)容的圖片搜索引擎研究[J].長沙大學(xué)學(xué)報，2012，02：40-42.

[5]張俊，石志寒，郭新鵬.基于用戶的批量圖像元搜索引擎設(shè)計[J].科學(xué)技術(shù)與工程，2013，21：6290-6293+6298.

[6]圖片搜索引擎巨無霸系列——一搜”5.5億圖片搜索“讀圖時代”[J].電腦愛好者，2004，20：73.

[7]王遷.搜索引擎提供“快照”服務(wù)的著作權(quán)侵權(quán)問題研究[J].東方法學(xué)，2010，03：126-139.