(湖北大學(xué)知行學(xué)院，武漢 430011)

0 引言

現(xiàn)代計(jì)算機(jī)的發(fā)展越來越智能，對于文字、圖像、聲音的各種信息都能夠快速的識別與處理[1-3]。隨著多媒體技術(shù)的迅速發(fā)展，圖像信息所占的資源也在不斷的擴(kuò)充，大容量的、高速的遠(yuǎn)程分布式數(shù)據(jù)庫的建立為海量的動態(tài)圖像提供了最基礎(chǔ)的保障，在各行各業(yè)中的應(yīng)用越來越廣泛，人們對動態(tài)圖像信息的管理與檢索就更加的重視[4-5]。動態(tài)圖像的檢索一直是我國研究的技術(shù)問題，無論是理論、方法還是技術(shù)都需要根據(jù)不同領(lǐng)域用戶提供的圖像來尋找一種適用于該領(lǐng)域圖像的檢索技術(shù)手段?，F(xiàn)在圖像數(shù)據(jù)庫研究的中心就是對圖像進(jìn)行檢索，這是最具有本質(zhì)性的研究領(lǐng)域，已經(jīng)成為國內(nèi)外學(xué)者研究的熱點(diǎn)，這也成為了必須攻克的目標(biāo)[6-7]。近幾年，隨著大量文獻(xiàn)的出現(xiàn)帶動了人們對于過去研究成果總結(jié)的動力，對于圖像檢索的產(chǎn)生與歷史背景都是促進(jìn)檢索功能進(jìn)步的基礎(chǔ)。傳統(tǒng)的圖像信息檢索系統(tǒng)存在檢驗(yàn)圖像完好率與檢索圖像準(zhǔn)確率方面較差、檢索的速度較慢等問題，已經(jīng)不能滿足當(dāng)下人們對圖像信息檢索的需求。

文獻(xiàn)[8]中提出了一種基于內(nèi)容的圖像檢索系統(tǒng)的設(shè)計(jì)，該系統(tǒng)設(shè)計(jì)的方法就是利用圖像的紋理、形狀以及顏色對圖像的特征提取、描述以及相似性度量，雖然檢索的信息比較全面，但是在理論上還存在許多問題等待解決；文獻(xiàn)[9]中提出了一種基于小波動態(tài)圖像檢索的系統(tǒng)設(shè)計(jì)，該系統(tǒng)設(shè)計(jì)的方法就是利用小波分析圖像的分辨率，用二維動態(tài)時(shí)間的方法進(jìn)行計(jì)算，雖然能夠?qū)ο嚓P(guān)的程序進(jìn)行匹配與識別，但是在檢索技術(shù)的方面尚不成熟。文獻(xiàn)[10]中提出了一種基于動態(tài)圖像信息互動的特征檢索系統(tǒng)的設(shè)計(jì)，該系統(tǒng)設(shè)計(jì)的方法就是將動態(tài)的圖像信息互動為基礎(chǔ)，將圖像信息的特征進(jìn)行分類，采用迭代的算法對動態(tài)圖像進(jìn)行檢索。

針對上述的觀點(diǎn)，我提出了一種遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)設(shè)計(jì)。首先根據(jù)遠(yuǎn)程分布式數(shù)據(jù)庫的特點(diǎn)，設(shè)計(jì)出了動態(tài)圖像的檢索硬件系統(tǒng)框圖；然后基于動態(tài)圖像特征檢索算法對軟件進(jìn)行了設(shè)計(jì)；最后進(jìn)行了對比的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明，遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)的設(shè)計(jì)能夠改善傳統(tǒng)圖像信息檢索系統(tǒng)檢驗(yàn)圖像完好率與檢索圖像準(zhǔn)確率較差的問題，并且在檢索速度的方面也有較大的提升，具有分布性廣、通信良好以及穩(wěn)健性較強(qiáng)等優(yōu)點(diǎn)，為我國未來的圖像檢索技術(shù)奠定了堅(jiān)實(shí)的基礎(chǔ)。

1 遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)硬件設(shè)計(jì)

遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)硬件設(shè)計(jì)需要對整個(gè)系統(tǒng)從上至下進(jìn)行分層，分別是：遠(yuǎn)程分布式數(shù)據(jù)層、公共服務(wù)層、主業(yè)務(wù)層、支撐系統(tǒng)層。遠(yuǎn)程分布式數(shù)據(jù)層的設(shè)計(jì)主要包括整個(gè)系統(tǒng)中會用到的數(shù)據(jù)，通過對特征的處理得到模型的數(shù)據(jù)，而圖片的特征主要用于模型的訓(xùn)練，進(jìn)行索引特征的建立與處理；公共服務(wù)層主要是提取圖片中最原始的特征，并對特征處理，這其中就包括了利用訓(xùn)練模型得到的數(shù)據(jù)；主業(yè)務(wù)層主要就是用Web服務(wù)技術(shù)的設(shè)計(jì)來服務(wù)普通的用戶；支撐系統(tǒng)層為整個(gè)系統(tǒng)的存儲提供支撐的作用。而每個(gè)層次主要包括管理員與普通用戶這兩個(gè)角色，管理員是對硬件系統(tǒng)的管理與維護(hù)；用戶是系統(tǒng)檢索服務(wù)的使用者。為了能夠應(yīng)對遠(yuǎn)程分布式數(shù)據(jù)庫的動態(tài)圖像的需求，在硬件設(shè)計(jì)的時(shí)候應(yīng)該使用FastDFS的系統(tǒng)對圖片進(jìn)行儲存，該系統(tǒng)能夠直接的使用OS對計(jì)算機(jī)的管理與控制。對于圖片的上傳與下載需要將存儲的服務(wù)器按照原來的路徑進(jìn)行返回，但是直接在瀏覽器上就對圖片的傳輸協(xié)議請求進(jìn)行系統(tǒng)上的支持，這種效果并不好，為此，應(yīng)該對每臺存儲服務(wù)器進(jìn)行重新的配置，并安裝上具有軟件開發(fā)和高性能的反向代理服務(wù)器如圖1所示。

圖1 圖片儲存的系統(tǒng)架構(gòu)設(shè)計(jì)

對于Web服務(wù)設(shè)計(jì)采用的是Java EE應(yīng)用程序的技術(shù)，框架為MVC的分層模型，主要包括：業(yè)務(wù)的邏輯層、控制層和視圖層，如圖2所示。

圖2 Web服務(wù)技術(shù)的架構(gòu)

由圖2可知：業(yè)務(wù)的邏輯層主要是對圖片的屬性進(jìn)行解析，然后向檢索的服務(wù)模塊發(fā)出相應(yīng)的請求，并歸納多個(gè)檢索服務(wù)模塊所接收到的結(jié)果信息；控制層主要是對圖片的上傳、參數(shù)的處理、返回的信息以及接收的請求進(jìn)行處理，一定的情況下可以調(diào)用業(yè)務(wù)的邏輯層輔助完成工作；視圖層用戶界面(UI)的模塊，主要通過JSP的負(fù)責(zé)來完成相應(yīng)的程序。

框架為MVC的分層模型能夠降低Web服務(wù)技術(shù)架構(gòu)之間的模塊耦合程度，并使數(shù)據(jù)的顯示情況與業(yè)務(wù)之間的邏輯相互分離，并且可以方便的對視圖層和業(yè)務(wù)邏輯層進(jìn)行擴(kuò)充或修改，后續(xù)的相應(yīng)工作也可以精心的維護(hù)。

結(jié)合遠(yuǎn)程分布式數(shù)據(jù)庫優(yōu)點(diǎn)與比較成熟的Web服務(wù)技術(shù)建立了動態(tài)圖像的檢索系統(tǒng)，該系統(tǒng)的模塊主要包括：查詢的引擎、特征的提取、特征的對比、特征的圖像庫、查詢的反饋與滿意程度、圖像信息的參數(shù)以及數(shù)據(jù)庫的管理，具體結(jié)構(gòu)如圖3所示。

圖3 動態(tài)圖像的檢索硬件系統(tǒng)框圖

從圖3可以看出，交界口能夠接收用戶提供的圖像，等待查詢，設(shè)置相應(yīng)的特征進(jìn)行提取并對參數(shù)對比，即可顯示查詢的結(jié)果，并通過接口對查詢的結(jié)果進(jìn)行評價(jià)，將特征修改后能夠重新對信息進(jìn)行查詢。根據(jù)用戶對查詢結(jié)果的滿意程度對參數(shù)進(jìn)行修正，通過調(diào)整可更新圖像的數(shù)據(jù)庫，從而提高查詢的精準(zhǔn)度。而特征的對比就是利用提取的圖像特征進(jìn)行對比，篩選出符合規(guī)定的數(shù)據(jù)提供給用戶，該模塊可根據(jù)具體的情況進(jìn)行控制與調(diào)整。

2 遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)軟件設(shè)計(jì)

整個(gè)系統(tǒng)的設(shè)計(jì)是在Linux的平臺上進(jìn)行的，并且使用的軟件系統(tǒng)環(huán)境都是在64位以桌面應(yīng)用為主的Ubuntu17.04券商提供的自由交易系統(tǒng)版本，并且在該系統(tǒng)中的語言開發(fā)環(huán)境主要是Java和C++為主體的腳本語言，而Web服務(wù)的結(jié)構(gòu)與Hadoop的集群為主要計(jì)算的部分，并用Java進(jìn)行語言的開發(fā)。

基于動態(tài)圖像特征檢索算法的軟件設(shè)計(jì):

軟件設(shè)計(jì)采用的是直接面對檢索對象的一種算法，將動態(tài)圖像的處理分成圖像人工的注釋、圖像內(nèi)容的特征、圖像基本的屬性以及圖像的數(shù)據(jù)源。圖像人工的注釋是對整個(gè)遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像的內(nèi)容以文字的形式進(jìn)行描述；圖像內(nèi)容的特征是對原始圖像進(jìn)行處理，并進(jìn)行相應(yīng)的匹配運(yùn)算；圖像基本的屬性是將文件的種類、所占的內(nèi)存、處理的日期以及一些其他的屬性信息存放在檢索對象的變量之中，通過指定的程序進(jìn)行初始化的編輯；圖像的數(shù)據(jù)源指的是最原始的圖像，通過遠(yuǎn)程分布式數(shù)據(jù)庫的建立，進(jìn)行相應(yīng)字段的索引。遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息加載的流程如圖3所示。

圖4 動態(tài)圖像信息加載的流程

由圖4可知：動態(tài)圖像的信息加載是一個(gè)重要的環(huán)節(jié)。檢索系統(tǒng)主要是對具有顏色模型的不同分量來對人類視覺感知的情況進(jìn)行非均勻的量化，并有效的對維數(shù)進(jìn)行矢量的壓縮，然后采用主元的分析方法將整個(gè)圖像進(jìn)行降維，并研究通過主分量來解決多變量的方差結(jié)構(gòu)的檢索方法。

1)顏色分量的方法。

顏色分量的方法是將顏色的數(shù)值對圖像的信息進(jìn)行索引的方法，這種方法又被稱為拉普拉斯或者方向?qū)?shù)的方法，得出的結(jié)果就是與之相鄰的變化率，具體方法如下所示：

首先確定顏色數(shù)值的對數(shù)：

i(a,b)=ln(r(a,b))

(1)

公式(1)中(a,b)為給定的點(diǎn)的對數(shù)；r(a,b)為點(diǎn)(a,b)的L值。然后計(jì)算不同的卷積：

①拉普拉斯卷積：

i(a,b)Δ2?c(a,b)

Δ2={[p(a+1,b)-p(a,b)]-[p(a,b)-p(a-1,b)]}

+{[p(a,b+1)-p(a,b)]-[p(a,b)-p(a,b-1)]}

(2)

②方向?qū)?shù):

i(a,b)Δn=cn(a,b)

(3)

最后構(gòu)造直方圖：

①拉普拉斯卷積：

(4)

②方向?qū)?shù)

(5)

2)主元的分析方法。

由上述(1)中得出的圖像特征的準(zhǔn)確率還是比較高的，但是同時(shí)也產(chǎn)生了較高的維數(shù)，為此，必須采用PCA的方法對圖像降維。首先設(shè)置{ai}ci=1作為一個(gè)圖像的集合，其中c為圖像集合中的若干個(gè)圖像的個(gè)數(shù)，ai為圖像特征的向量。從整個(gè)集合中隨機(jī)的抽取出若干個(gè)樣本組成{ai1,ai2,…,aim}的訓(xùn)練集合，那么樣本的平均值n以及協(xié)方差Q的表達(dá)式如下所示：

(6)

(7)

(8)

設(shè)yi,i=1,2,…,m作為協(xié)方差Q的特征向量，對應(yīng)的特征值為βi，因此可得：

Q=AATyi=βiyi

(9)

根據(jù)上述的計(jì)算步驟得出協(xié)方差Q的特征數(shù)值與特征的向量，那么計(jì)算出來的特征向量就是根據(jù)相應(yīng)的特征值按照大小的降序順序進(jìn)行排列，并將得出的特征值按照組列的形式變換成矩陣:

yi=QTai

(10)

公式(10)中的yi即為動態(tài)圖像檢索的特征向量。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)步驟

為了驗(yàn)證遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)設(shè)計(jì)的合理性，進(jìn)行了如下的實(shí)驗(yàn)。隨著社會的不斷發(fā)展，多元化的社會環(huán)境也逐漸成熟，人們對于數(shù)據(jù)庫的動態(tài)圖像信息檢索的性能要求也越來越嚴(yán)格。對于檢索性能的驗(yàn)證主要從兩個(gè)方面進(jìn)行實(shí)驗(yàn)，分別是檢索的速度與檢索的精準(zhǔn)程度。數(shù)據(jù)庫的動態(tài)圖像信息檢索的速度主要是由圖像的特征提取的匹配復(fù)雜程度所決定的；而動態(tài)圖像信息檢索的精準(zhǔn)程度主要是由圖像的特征區(qū)分與匹配的算法所決定的。檢驗(yàn)圖像完好率與檢索圖像準(zhǔn)確率是目前檢驗(yàn)數(shù)據(jù)庫的動態(tài)圖像信息檢索性能的主要指標(biāo)，具體表達(dá)式如公式所示：

(11)

選取兩幅人臉表情的動態(tài)圖像、兩幅人體運(yùn)動的圖像作為圖像信息檢索實(shí)驗(yàn)的樣本，這些圖像均具有紋理譜特征，這種特征對圖像信息檢索實(shí)驗(yàn)的影響如表5所示。

表5 紋理譜特征對圖像信息檢索實(shí)驗(yàn)的影響

由表5可知：該特征并沒有影響動態(tài)圖像信息檢索的完好率與準(zhǔn)確率，為此可以將特征忽略不計(jì)。

3.2 實(shí)驗(yàn)結(jié)果

由上述的實(shí)驗(yàn)過程，可以知道選取的圖像樣本可以忽略圖像的檢索的特征，因此，也不會對檢索的過程造成影響。傳統(tǒng)的數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)與遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)在檢驗(yàn)圖像完好率與檢索圖像準(zhǔn)確率方面進(jìn)行了對比，如表5所示。

表6 傳統(tǒng)檢索系統(tǒng)與遠(yuǎn)程分布式的檢索系統(tǒng)之間的對比

由表6可知：傳統(tǒng)的檢索系統(tǒng)在檢驗(yàn)圖像完好率與檢索圖像準(zhǔn)確率都比較差，人們對色彩感知相互一致，但是在對色彩的判定上具有一定的差距，傳統(tǒng)的圖像索引主要存在的問題就是對色彩特征的感知能力仍然不夠。

而檢索速度的方面兩個(gè)系統(tǒng)之間的對比情況如圖5所示。

由圖5可知，遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)與傳統(tǒng)的數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)相比，檢索的速度較快。

實(shí)驗(yàn)結(jié)果證明：遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)具有分布性廣、通信良好以及穩(wěn)健性較強(qiáng)的優(yōu)點(diǎn)，作為具有完整的數(shù)據(jù)庫能夠?qū)⒎植荚诟鱾€(gè)結(jié)點(diǎn)上的圖像信息進(jìn)行匯集，在邏輯上統(tǒng)一。該系統(tǒng)結(jié)構(gòu)的檢驗(yàn)圖像完好率與檢索圖像準(zhǔn)確率較高，速度較快，適應(yīng)分布式的管理模式對機(jī)構(gòu)進(jìn)行控制，在經(jīng)濟(jì)上的性能也比較優(yōu)越，可靠性與可用性較強(qiáng)，擴(kuò)展性能極好，有益于多圖像的共同檢索。

4 結(jié)束語

動態(tài)圖像的檢索一直是我國研究的技術(shù)問題，無論是理論、方法還是技術(shù)都需要根據(jù)不同領(lǐng)域用戶提供的圖像來尋找一種適用于該領(lǐng)域圖像的檢索技術(shù)手段。由于圖像信息的多變，不能僅僅根據(jù)圖像的特征頻率就直接對圖像進(jìn)行檢索，還需要通過經(jīng)驗(yàn)的知識來判定圖像的大小，遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)正是綜合了上述的特點(diǎn)，并結(jié)合自身的分布式數(shù)據(jù)的優(yōu)勢進(jìn)行圖像的檢索。

總之，遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)所涉及的領(lǐng)域較廣，發(fā)展的速度較快，不會受到時(shí)間與文獻(xiàn)的束縛，通過不斷的優(yōu)化，能夠?qū)D像數(shù)據(jù)庫分成3種主要的領(lǐng)域，分別是圖像的識別、圖像的處理以及數(shù)據(jù)庫，將三者的技術(shù)成果有效的結(jié)合起來，是未來的一個(gè)發(fā)展趨勢。遠(yuǎn)程分布式數(shù)據(jù)庫動態(tài)圖像信息檢索系統(tǒng)擴(kuò)展了傳統(tǒng)數(shù)據(jù)庫中技術(shù)的應(yīng)用，為未來的圖像處理提供了有力的技術(shù)手段。

[1] 李 應(yīng), 陳秋菊. 基于優(yōu)化的正交匹配追蹤聲音事件識別[J]. 電子與信息學(xué)報(bào), 2017, 39(1):183-190.

[2] 呂其兵, 張 曦, 駱德陽,等. 基于閃光聲音信息的鋼軌焊接接頭質(zhì)量分析[J]. 焊接學(xué)報(bào), 2016, 37(9):105-109.

[3] 張艷博, 于光遠(yuǎn), 田寶柱,等. 花崗巖破裂過程聲發(fā)射主頻多元前兆信息識別[J]. 采礦與安全工程學(xué)報(bào), 2017(2):355-362.

[4] 李晴晴, 周長勝, 呂學(xué)強(qiáng),等. 基于動態(tài)紋理基元的外觀設(shè)計(jì)專利檢索[J]. 微電子學(xué)與計(jì)算機(jī), 2016, 33(3):25-31.

[5] 孫 震. 信息與技術(shù)的利用:創(chuàng)新知識與提升生活水平——從ASIS&T 2016年會論文看信息科學(xué)研究當(dāng)前熱點(diǎn)與動態(tài)[J]. 圖書情報(bào)知識, 2017(3) :24-32.

[6] 韓正彪. 基于分布式認(rèn)知的文獻(xiàn)數(shù)據(jù)庫用戶心智模型演進(jìn)驅(qū)動因素研究[J]. 情報(bào)學(xué)報(bào), 2017, 36(1):79-88.

[7] 陳小莉. 基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案管理系統(tǒng)中的研究應(yīng)用[J]. 激光雜志, 2017(2):142-145.

[8] 陳 倩, 潘中良. 基于內(nèi)容的服裝檢索系統(tǒng)中顏色特征提取算法的研究和改進(jìn)[J]. 激光雜志, 2016(4):62-68.

[9] 翟奧博, 溫顯斌, 張 鑫. 基于改進(jìn)雙樹復(fù)小波和灰度-梯度共生矩陣的紋理圖像檢索算法[J]. 計(jì)算機(jī)科學(xué), 2017, 44(6):274-277.

[10] 劉 晙, 劉 丹. 基于組合特征檢索策略的圖像檢索技術(shù)研究[J]. 合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版, 2015(7):918-922.