解放军文职招聘考试基于内容的媒体检索功能

 基于内容的媒体检索功能

　　随着计算机技术及网络通信技术的发展，使多媒体数据库的规模迅速膨胀，文本、数字、图形、图像、音频、视频等各种超大规模的多媒体信息检索十分重要。对于图像检索和音/视频检索，需要经过计算机处理、分析和解释后才能得到它们的语义信息，这是当前多媒体检索正在努力的方向。针对这个问题，人们提出了基于内容的多媒体检索方法，利用多媒体自身的特征信息（如图像的颜色、纹理、形状、视频的镜头、场景等）来表示多媒体所包含的内容信息，从而完成对多媒体信息的检索。

　　搜索引擎是目前最重要的网络信息检索工具，市场上已有许多成熟的搜索引擎产品。但是目前的搜索引擎没有考虑用户的兴趣和爱好，搜索出的信息量庞大，经常将与用户兴趣不相关的文档提交给用户。这种现象的发生主要是由于用户所提交的关键词意义不够精准造成的，或者是由于搜索引擎对文档发现和过滤的能力有限造成的。目前的搜索引擎普遍在用户界面、搜索效果、处理效率几个方面存在不足。

　　（1） 过分强调查全率，忽视了查准率的提高。

　　（2） 搜索引擎的查询接口缺乏统一的标准，这使得用户在使用不同的搜索引擎时经常采用不同的检索策略，增加了用户检索的负担。

　　（3） 搜索引擎工作检索机能尚不能满足用户的需求。如何处理如此繁重的任务并提高处理效率，是一个优秀的搜索引擎必须要考虑的问题。

　　目前，基于内容的图像检索的研究主要集中在特征层次上，根据图像的低层可视内容特征，如颜色、纹理、形状、空间关系等，建立图像的索引，计算查询图像和目标图像的相似距离，按相似度匹配进行检索。该检索技术从提出到现在，在国内、外已经取得了不少研究成果，开发了许多基于内容的图像检索原型系统。其中，具有代表性的系统有QBIC、VisualSeek、MARS、Virage等。

　　基于内容的图像检索可在低层视觉特征和高层语义特征两个层次上进行，其中，基于低层视觉特征的图像检索，是利用可以直接从图像中获得的客观视觉特征，通过数字图像处理和计算机视觉技术得到的图像的内容特征，如颜色、纹理、形状等，进而判断图像之间的相似性；而图像检索的相似性则采用模式识别技术来实现特征的匹配，支持基于样例的检索、基于草图的检索或者随机浏览等多种检索方式。利用高层的语义信息进行图像检索是研究和发展的热点。

　　近年来视频处理和检索领域的研究方向和激战，主要针对以下3个问题：

　　（1） 视频分割

　　从时间上确定视频的机构，对视频进行不同层次的分割，如镜头分割、场景分割、新闻故事分割等。

　　(2)高层语义特征提取

　　对分割出的视频镜头，提取高层语义特征。这些高层语义特征用于刻画视频镜头以及建立视频镜头的索引。

　　（3）视频检索

　　在事先建立好的索引的基础上，在视频中检索（Query）满足用户需求的视频镜头。用户的需求通常由文字描述和样例（图像样例、视频样例、音频样例）组合构成。