6.3.2基于內(nèi)容檢索的關鍵技術兩個關鍵技術：多媒體特征提取技術和匹配算法相似性檢索技術。1.多媒體特征提取和匹配2.相似檢索結構

一、相似性匹配的一般方法

（1）模糊值（2）特征值分類計算（3）特征調(diào)整（4）相似特征偏差（5）相似度及最終求值1.語音信號的特征提取和匹配低層特征：基音、共振峰、線性預測、倒譜系數(shù)、Mel倒譜系數(shù)；高層特征：聲紋特征、關鍵詞特征。2.靜態(tài)圖象的特征提取和匹配低層特征：紋理特征，顏色特征，幾何形狀特征，統(tǒng)計特征(立方圖)等。高層特征：人的臉部特征、表情特征、某些物體和景物特征。低層特征可用圖象處理方法自動獲??；高層特征可以在某些約束條件下或知識導引下，以低層特征為基礎推導得到。3.動態(tài)視頻特征提取低層特征：鏡頭切換類型、特技效果、攝象機運動、物體運動軌跡、代表幀、全景圖。高層特征：描述鏡頭中的內(nèi)容或事件。二、

相似索引結構檢索：在高維空間中尋找指定點距離最近的一組點的問題。采用順序比較法不能滿足實時檢索的要求，因此需建立一種有效索引結構和檢索方法。(1).結構一維：折半查找。多維：特征空間分布，數(shù)據(jù)集切分為子數(shù)據(jù)集，對每個子數(shù)據(jù)集建立描述,檢索通過子數(shù)據(jù)集描述比較。去掉不符和條件的子數(shù)據(jù)集，僅對合格者進行檢索和計算，大大減少檢索量。相似檢索結構有下述兩部分：1).數(shù)據(jù)集描述

a.對象個數(shù)：子數(shù)據(jù)集的對象個數(shù)；

b.閉包(envelop)：閉包為高維空間中一個封閉曲面，用于描述數(shù)據(jù)集的空間位置與分布，使得數(shù)據(jù)集中所有點都位于此閉包的內(nèi)容。

c.代表對象標識，指定一個可代表此數(shù)據(jù)集的對象標識。2).子集指針：指向字數(shù)據(jù)集的指針。(2).相似索引算法分類根據(jù)對下述問題采用不同的方法進行分類：1).數(shù)據(jù)集的切分方法：定向切分和聚類方法定向切分：選某一坐標軸為切分軸，選擇與此軸垂直的切分平面，將數(shù)據(jù)集切分為子集，k-d樹及其變種。聚類算法：根據(jù)特征空間分布特性采用聚類算法將數(shù)據(jù)集切分為子集。2).距離定義：

A相關矩陣，a為第i維與第j維相關系數(shù)。ij3).包絡類型包絡是特征空間用于約束數(shù)據(jù)集在特征空間位置和分布特性的封閉曲面，使得數(shù)據(jù)集中所有元素點都位于此包絡內(nèi)部。包絡的選擇:

a.緊密：緊緊包圍數(shù)據(jù)集使得無用空間（WastedSpace）最小；

b.簡單，計算方便：計算某一點到閉包的最小和最大距離。矩形包絡(歐氏距離)boundingbox坐標軸分布區(qū)域。球形包絡(最大距離)boundingsphere圓心坐標和半徑。

c.通過索引樹GSS通過索引樹GSS-Tree的結構

頭結點：存有整個索引結構的公共特性、特征空間維數(shù)和距離定義、指針。節(jié)點、節(jié)點及其子樹中的對象數(shù)目(objectnum)，包絡描述(env)，子數(shù)數(shù)目(treenum)，指向子樹的指針數(shù)組(child)，以及指向對象描述數(shù)組的指針(obdesp)。包絡描述：包絡類型(type)，矩形包絡指針(rect)和球形包絡指針(sph)。Rect和sph分別代表矩形包絡和球形包絡的描述，每個包絡有一個代表。代表此數(shù)據(jù)集的對象標識（rep-object），一般選擇與閉包中心最近的對象作為代表對象，用于支持瀏覽檢索。相關算法實現(xiàn)在基于內(nèi)容檢索過程中，需要完成從特征點集生成索引樹以及索引查找等算法。三、檢索表達機制

（1）基于內(nèi)容檢索表達的基本概念定義1（對象，對象庫）定義2（內(nèi)容描述/特征空間）定義3（相似度分布函數(shù)）定義4（基于內(nèi)容檢索）（2）檢索表達的靈活性①底層的單特征索引技術②現(xiàn)有檢索表達的相似度函數(shù)③檢索表達中的可調(diào)節(jié)因素（3）CbExpr的基本操作和函數(shù)①結果集RSet②單特征檢索Query③并Union④交Intersect⑤權Weight⑥截斷Trancate⑦閾值Threshold⑧乘數(shù)Multiply⑨取元素個數(shù)函數(shù)GetNumber