图像挖掘的模型与技术研究 - 上海图书馆.doc

图像挖掘的模型与技术研究 董文鸳 （嘉兴学院图书馆 嘉兴314001） 文摘 本文从图像挖掘的定义和特点出发，分析了典型的图像挖掘模型：功能驱动模型和信息驱动模型，并探讨了目前常用的图像挖掘技术如相似性搜索、图像关联规则挖掘、图像分类、图像聚类和神经网络等。 关键词 数据挖掘 图像挖掘 多媒体挖掘 挖掘模型 Research on Models and Techniques of Image Mining Dong Wenyuan (Library of Jiaxing College Jiaxing 314001) Abstract This paper starts off from the definition and characteristic of image mining,analyzes two typical image mining models:function-driven model and information-driven model,then probes into the common techniques of image mining,such as similarity-based search、image association rules mining、image classificaton、image clustering and neural networks. Keywords data mining image mining multimedia mining mining model 随着网络技术、数码技术的迅猛发展，因特网上涌现了海量的图像信息，为了满足人们的图像信息需求，从上世纪七十年代开始，相关学者开始致力于图像检索研究，并相继提出基于文本的图像检索技术和基于内容的图像检索技术，在一定程度上解决了图像检索及资源发现的问题。但是人们并不满足于信息存取的层次，因为通过图像检索只能提供用户所需要的相关“信息”，而不能从大量图像数据中发现、分析出隐藏的有价值的“知识”。因此，有必要研究比图像检索更高层次的新技术——图像挖掘(Image Mining)，从而为用户提供更好的图像信息、知识服务。随着2000年第一届多媒体数据挖掘年会(MDM/KDD2000)和2001年MDM/KDD年会的召开[1]，图像挖掘逐渐成为人们关注的焦点。本文从图像挖掘的定义及特点出发，分析了典型的图像挖掘模型和相关的挖掘技术，以期对我国图像挖掘研究的发展有所启示。 1 图像挖掘的定义及特点 所谓图像挖掘，就是在图像数据库中抽取隐含的、先前未知的、潜在有用的图像数据关系的非平凡过程，是计算机视觉、图像处理、图像检索、数据挖掘、机器学习、模式识别、数据库和人工智能等多学科交叉的新兴研究领域[2]。 从理论上说，图像挖掘应属于数据挖掘的一个分支，但由于图像数据库与普通数据库和数据仓库存在较大差别，因此也导致图像挖掘并非传统的数据挖掘理论与技术在图像数据中的简单扩展，具体来说，图像挖掘具有以下几个特点：①图像中的信息是隐含的，且更难以理解，在传统的关系数据库中，已知的数据比较容易理解，比如35岁这个数据表明一个人的年龄，但在图像数据库，准确理解图像信息就需要图像周围相关内容的支持；②对图像信息可以有多种解释，因此依赖于图像的表示方法和应用领域知识；③图像信息中包含图像对象的空间关系信息，而在传统的数据挖掘中不存在此类信息。 2 图像挖掘模型 由于图像挖掘研究尚处在初级阶段，相关的理论还不够成熟，就图像挖掘模型而言，虽然不少学者对此开展大量有益的探讨，但尚未提出通用性较强的图像挖掘模型。目前较为典型的图像挖掘模型主要分为两种类型：功能驱动模型(function-driven model)和信息驱动模型(information-driven model)。 2.1 功能驱动模型[3-5] 功能驱动模型是目前图像挖掘常用的模型，此模型以不同的功能模块来组成图像挖掘系统，各模块实现其特定的功能。其中以MultiMediaMiner最为典型，下面笔者将以MultiMediaMiner为例对功能驱动模型加以简单评介。 MultiMediaMiner是以DBMiner(a system for on-line analytical data mining)和C-BIRD系统(a system for Content-Based Image Retrieval from Digital Libraies)为基础发展起来的一种数据挖掘系统，主要由四个功能模块组成，分别是图像采掘器(Image Excavator)、预处理器(p