6.4.3

基于內(nèi)容檢索的關(guān)鍵技術(shù)兩個關(guān)鍵技術(shù)：多媒體特征提取技術(shù)和匹配算法相似性檢索技術(shù)。多媒體特征提取和匹配相似檢索結(jié)構(gòu)檢索表達機制1.特征抽取低層特征(原始特征)特征抽取高層特征(邏輯特征)(1).語言信號的特征提取和匹配低層特征高層特征(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取；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(chǔ)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。2.

相似索引結(jié)構(gòu)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(jié)構(gòu)和檢索方法。結(jié)構(gòu)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(jié)構(gòu)有下述兩部分：數(shù)據(jù)集描述對象個數(shù)：子數(shù)據(jù)集的對象個數(shù)；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。代表對象標識，指定一個可代表此數(shù)據(jù)集的對象標識。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：

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(guān)矩陣，a

ij為第i維與第j維相關(guān)系數(shù)。3).閉包類型閉包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閉包內(nèi)部。閉包的選擇:緊密：緊緊包圍數(shù)據(jù)集使得無用空 間（Wasted

Space）最小；簡單，計算方便：計算某一點到閉包的最小和最大距離。矩形閉包(歐氏距離)bounding

box坐標軸分布區(qū)域。球形閉包(最大距離)bounding

sphere圓心坐標和半徑。C).通過索引樹GSS通過索引樹GSS-Tree的結(jié)構(gòu)頭結(jié)點：存有整個索引結(jié)構(gòu)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

(object

num)，閉包描述(env)，子數(shù)數(shù)目

(treenum)，指向子樹的指針數(shù)組(child)，以及指向?qū)ο竺枋鰯?shù)組的指針(obdesp)。閉包描述：閉包類型(type)，矩形閉包指針(rect)和球形閉包指針(sph)。Rect和sph分別代表矩形閉包和球形閉包的描述，每個閉包有一個代表。代表此數(shù)據(jù)集的對象標識（rep-object），一般