面向图像及其特征的多信息管理系统

张东明,马尚昌，张 明

（成都信息工程学院 电子工程学院，四川 成都 610225）

在过去的时间里，很多专家学者致力于图像数据库领域，依利诺筋大学开发的多媒体分析和检索系统MARS；美国堪萨斯大学为陆地卫星遥感图像开发的集成图像数据库系统 IMDS[1]；但从实用的标准来看还是有很大的差距。目前，存在的主要问题有高层语义和低层视觉特征之间的差距[2]、图像数据的建模、人机的结合、高维数据的索引、合适的性能评价标准和测试数据集、图像数据库管理系统的体系结构等，这些需要研究人员进一步探索。

1 系统需求分析

1.1 系统需求

面向图像及其特征的多信息管理系统主要包括用户登录、图片基本信息管理、特征数据管理、文本信息管理、图像特征提取、图像识别。但由于图像处理和特征数据提取比较复杂，而图像识别需要对一幅图片先进行图像预处理和特征提取。本系统采用面向对象方法进行分析和设计，在SQL Server 2005数据库上实现数据操作，使用面向对象的C++语言作为开发语言，使用Windows XP作为开发平台，能够很好地实现系统的开发及测试。面向图像及其特征的多信息管理系统主要包含用户登录、图片信息管理、特征数据管理、文本信息管理、图像特征提取、图像识别。但由于图像处理和特征数据提取比较复杂，图像识别需要对图片先进行图像预处理和特征提取[4]。

1.2 功能需求

根据对上述多信息管理系统的要求分析和需要实现的目标分析，该系统的功能要求如下：

1）用户管理：管理用户进入系统，对其进行操作。

2）图片基本信息管理：管理系统中所有图片的一些基本信息数据，主要包括图片号、图片类别、图片名称、图片大小。

3）特征数据管理：对图片的特征Hu矩相关数据进行管理。

4）文本信息管理：对图片的文本描述进行管理。

5）数据库管理：对本系统的数据库进行管理，包括备份和恢复。

2 总体设计

2.1 系统整体模块图

面向图像及其特征的多信息管理系统主要分为用户管理、图片基本信息管理、特征数据管理、文本信息管理、图片识别、数据库管理等6个主要模块。其中用户管理模块又分为用户注册和用户登录两个模块；数据库管理模块又分为数据备份和数据恢复模块。系统的基本流程是：用户登录—>主界面—>选择各项子系统。系统主模块功能如图1所示。

图1 系统主模块功能树Fig.1 The system has the function of main module tree

2.2 模块设计

1）用户管理模块

①用户注册：没有注册过的用户需进行用户注册后，才能通过登录界面进入主控制平台。用户需要填写用户的名称和密码，如果该用户名已经被注册过，将给出重新输入用户名的提示信息。当用户注册成功后，会给出成功注册的提示信息。

②用户登录：输入用户的名称和密码，如果用户名和密码正确，进入主控制平台；否则给出错误信息提示。

2）图像信息管理模块

①图片信息管理子模块：对新的图片进行录入，包括将图片存入数据库中同时可对其进行修改、删除等功能。

②特征数据管理子模块：将计算特征所提取出的特征数据进行录入，同时可对其进行修改、删除、查询等功能。

③文本信息管理子模块：根据图片编号，录入文本描述，并可对其进行修改等功能。

3）图像识别模块

对输入的图片进行特征提取，并选择相应的识别模式进行识别。

4）数据库管理

①数据备份：定期对数据库进行数据备份，以防当系统出现故障导致数据丢失。

②数据恢复：当系统出现故障导致数据丢失后，通过其将之前备份的数据进行恢复，让系统重新正常工作，减少工作量。

3 图像识别模块

对输入的图片进行特征提取，并选择相应的识别模式进行识别。

3.1 图像特征提取

图像特征包括几何特征、形状特征、颜色特征、纹理特征等[5]。本文针对图像的形状和结构特征进行提取实现图像的识别。对二维连续函数为分f(x,y)，图像的p+q阶几何矩定义为：

p+q阶中心距定义为：

对一幅二值图像来说，则采用求和号代替积分：

其中N和M分别是图像的高度和宽度。

归一化的中心距定义为：

最后构成7个矩的组特征量,由Hu矩组成的特征量对图片进行识别[8]，优点是速度很快,识别率低的原因是由于Hu不变矩只用到低阶[9]矩,对于图像的细节未能很好的描述出来，导致对图像的描述不够完整。

3.2 人工免疫识别

人工免疫识别是一门新兴的研究。Farmer等人率先基于免疫网络学说给出了免疫系统的动态模型，并探讨了免疫系统与其他人工智能方法的联系，开始了人工免疫系统的研究。D.Dasgupta系统分析了人工免疫系统和人工神经网络的异同，认为在组成单元及数目、交互作用、模式识别、鲁棒性等方面是相似的，而在系统分布、组成单元间的通信、系统控制等方面是不同的，并指出自然免疫系统是人工智能方法灵感的重要源泉[10]。由于免疫系统本身的复杂性，有关算法机理的描述还不多见，相关算子还比较少。Castro L.D.、Kim J.、杜海峰、焦李成等基于抗体克隆选择机理相继提出了克隆选择算法。Nohara等基于抗体单元的功能提出了一种非网络的人工免疫系统模型。而目前两个比较有影响的人工免疫网络模型是Timmis等基于人工识别球 (Artificial Recognition Ball,AR)概念提出的资源受限人工免疫系统 (Resource Limited Artificial Immune System,RLAIS)和Leandro等模拟免疫网络响应抗原刺激过程提出的aiNet算法[11]。

人工免疫识别的基本操作有三部分。首先，对待求解的问题进行具体分析，从中提取出最基本的特征信息；其次，对此特这信息进行处理，以将其转化为求解问题的一种方案；最后，将此方案以适当的形式转化成免疫算账以实施具体的操作。

4 软件测试

测试模块如下：用户注册模块、用户登录模块、图片基本信息管理模块、特这数据管理模块、文本信息管理模块、数据库管理模块，测试代表结果如下：

1)系统控制台的登录界面，如图2所示。

图2 主控平台设计Fig.2 Main control platform design

2）基本信息录入：只有用户名和密码都输入正确才会显示图3的界面。

图3 图片基本信息录入功能测试Fig.3 Basic information input function test picture

3）特征值录入测试：按下“录入”按钮，基本信息就录入到PhDatabase数据库中也可完成对其删除修改等操作。如图4所示。

图4 特征数据录入Fig.4 Characteristics of the data entry

4）对软件数据库的查询等操作：将图片添加并显示在图像控件上，并输入图片编号，图 片类型，图片名称，图片大小等信息，系统将进入数据库进行查询比对,如图5所示。

图3 查询到记录Fig.3 Query to the record

5）在主控制平台的菜单中选择数据库管理的下拉菜单数据备份，打开一个对话框，输入文件名“databackup”，点击保存，数据备份成功。

6）在主控制平台的菜单中选择数据库管理的下拉菜单数据还原，打开一个对话框，打开文件名为“databackup.bak”，点击打开，数据还原成功。

5 结束语

本设计是一个面向图像及其特征的多信息管理系统。它主要是将获取的图片和特征数据建立一个多信息管理系统，包括对图片和特征数据进行录入、修改、删除、查询等功能，同时输入想要识别的图片进行图像识别。在整个数据库的设计中利用了它的便利性和实用性。对于图像的处理、特征数据的提取和图像的识别模块进行了算法分析。

[1]张洪刚,陈光,郭军.图像处理与识别[M].北京：人民邮电出版社,2006.

[2]李有军,郭郑州.SQL Server数据库应用与开发网络大讲堂[M].北京：清华大学出社,2011.

[3]鲍永刚,张英福,王德高.SQL语言及其在关系数据库中的应用[M].北京：科学出版社,2007.

[4]李新德，杨伟东，Jean D.一种飞机图像目标多特征信息融合识别方法[J].自动化学报，2012，38(8)：1298-1307.LI Xin-de,YANG Wei-dong,Jean D.More than a kind of plane image target characteristic information fusion recognition method[J].Journal of Automation,2012,38(8):1298-1307

[5]杨冉.图像数据库技术的研究与应用[D].西安：西安电子科技大学通信,2005.

[6]湛霞.图像数据库技术研究现状及展望[J].黑龙江科技信息,2008(4)：80.ZHAN Xia.Image database technology research status and prospects of[J].Journal of Heilongjiang Science and Techn-ology Information,2008(4):80.

[7]贺玲，吴玲达，蔡益朝.基于内容图像检索中的索引技术[J].计算机应用研究，2005(22)：219—224.HE Ling,WU Ling-da,CAI Yi-chao.The index of the content-based image retrieval technology[J].Application Research of Computers,2005(22):219-224.

[8]陈维.基于内容的图像搜索中索引及优化技术研究[D].武汉：华中科技大学，2007.

[9]郑炜，赵海，李海玉.航空图像目标识别算法研究[J].光学技术，2006,32(z1)：90—96.ZHENG Hui,ZHAO Hai,LI Hai-yu.Aviation image target recognition algorithm study[J].Optics,2006,32(z1)：90-96.

[10]Suma Dr H N,Abhishek A M,Kumar S A.Acquisition and Database Management System for the Endoscopic Images[J].International Journal of Computer Applications,2011,30(9):19-25.