从用户需求的角度出发,数字图像管理系统应该能够自动地获取所有类型设备采集的数字图像,并对这些图像进行简单的处理,采集和处理结果需利于检索、并能在检索和传输的过程中保护特殊图像的版权。基于此,本系统模型的设计要点为：可自动采集不同类型的数字图像;具备简单的图像处理功能;用户可依据个人知识对图像进行解释标注;能够在数字图像中加入版权信息;在存储数字图像的元数据和用户主观的描述信息时应该对用户透明;提供多种方便的查询方式;各子系统间有比较松散的关联并且相互独立。

（1）系统模型的组成

根据用户的基本需求,可以将本文的数字图像管理系统分为采集、处理、保护、标注、存储以及检索等子系统,各子系统之间是相互独立的,所以系统模型中的数据流不是单向的,用户可以根据数字图像在系统模型中的状态选择处理方式。系统模型框架如图1所示。

图1

	Figure Option ViewDownloadNew Window
	图1 数字图像管理系统模型框架

（2）数字图像采集子系统

该子系统把不同数据源的数据转换成计算机能够处理的数据格式,包括信息采集和数据转化两个部分,采集流程如图2所示。在信息采集部分,由于不同的设备工作机理和生成方式不同（数字图像采集设备的相关技术参考文献[12-13]）使得获取的图像数据格式不同,从而系统模型不能采用单一的方式采集图像数据,本文仿照DirectShow系统Filter Graph的模型^{[ 14]}进行采集过程设计。数据转换部分是将不同设备的数据格式转换成其他子系统能够直接处理的数据格式。

图2

	Figure Option ViewDownloadNew Window
	图2 数字图像数据采集子系统设计[ 15]

（3）数字图像版权保护子系统

该子系统在数字图像中嵌入水印来保护生产者的利益和合法权益,主要包括水印嵌入和提取两个部分,如图3所示：

图 3

	Figure Option ViewDownloadNew Window
	图 3 数字图像版权保护子系统[ 16]

其中,密钥选择需要用户设置,另外系统模型中采用的水印信号为具有标志意义的二值图像。关于数字水印的相关原理可以参考文献[16-17]。

（4）数字图像标注子系统

该子系统对数字图像的元数据属性和内容进行标注和描述,以便用户能够更全面、方便地对数字图像内容进行检索。

数字图像元数据描述的信息包括图像的生成、颜色、纹理等客观信息。内容描述部分是用户对图像的主观认识的描述,该部分信息的生成利用了Web2．0的特性,在管理员的授权下,每个用户都可以通过网络对图像进行标注。

（5）数字图像存储子系统

该子系统存储数字图像及其元数据和所有与之相关的描述性信息,其逻辑过程对用户是透明的,包括存储管理接口、存储引擎、存储空间管理,如图4所示：

图4

	Figure Option ViewDownloadNew Window
	图4 数字图像存储子系统

存储管理接口用于与其他子系统之间进行数据通信;存储引擎是系统对输入的数据进行解析的部分,能够自动地识别出数字图像的类型,并自动选择存储空间管理方式;存储空间管理是利用数据库技术、文档管理技术对数字图像信息进行存储管理,其中包括多种类型图像,如医学、摄影和遥感图像等的存储管理方式。

（6）数字图像检索子系统

该子系统为用户提供检索方法和界面。数字图像的检索是数字图像管理系统中一个极其重要的环节^{[ 18]},本子系统是一个综合多种检索方式为一体的检索系统。

在DirectShow中,每一个处理过程都通过一个Filter的COM对象来实现,并且每个Filter都有与其他Filter连接的Pin,用户可以根据自己的需求设计Filter。本系统模型依据DirectShow的Filter设计理念,设计一个图像采集的Filter类,其中包括一个其他子系统获取图像信息的Pin类,每一类图像采集设备对应一个Filter。

（1）Pin类

Pin类是和其他子系统进行通信的数据接口,其中主要包含了从采集设备获取的数字图像的属性值,其设计结构如下：

class Pin{

size;// 图像大小,图像的长、宽、高（二维图像高设置为1）

scanning;//扫描方式

media_type;//图像类型,如CT、超声波、扫描仪、遥感、卫星等

channel;//通道,频带数

depth;//像素深度

dimension;//维度,主要是二维的平面图像

color;//颜色标准, RGB, YUV等

．．．．．．

data;//数据}

（2）Filter类设计

Filter类主要获取设备采集的数字图像信息,利用采集设备驱动程序产生的数据对Pin类中的属性进行设置,来获取数字图像数据。由于本系统模型采用B/S结构,用户的浏览器中没有安装数据采集的应用程序,所以Filter类就采用了Java Applet技术设计。Filter类在页面中嵌入为：

< APPLET CODE=“Filter类” >

本文以满足TWAINTWAIN指TWAIN协议,是应用软件从计算机外设获取静态图像的国际标准,是一项重要的接口标准,为软件开发商和硬件设备生产厂商之间提供了一个统一的规范,以有效地避免系统及设备之间的不兼容问题。 数据源管理程序（DSM） 工业标准协议的扫描仪为例进行实验,实验效果如图5所示。

图5

	Figure Option ViewDownloadNew Window
	图5 TWAIN标准的扫描仪图像采集示意图

已有学者对在数字图像中嵌入水印的方式进行了研究^{[ 21]},本系统模型采用在DCT域中进行水印嵌入的方法^{[ 22]}。

设保护原图像为I,水印图像为WI（为二值图像）,选择嵌入水印的频域的起始位置为（m, n）,水印置乱次数为sn,嵌入的强度为α。水印嵌入的过程代码如下：

I_DCT=DCT（I）;//原图像DCT变换

WI_S=chaos（WI,sn）;//置乱水印图像（参考文献[23]）

for （int i=0;i

for （int j=0;j

I_DCT（i+m,j+n）+= α＊ WI_S（i,j）;

I_W=IDCT（I_DCT）;//嵌入水印图像

本系统模型水印嵌入的流程实例如图6所示：

图 6

	Figure Option ViewDownloadNew Window
	图 6 基于DCT域中嵌入水印实例

数字图像标注是抽取描述图像信息的过程,图像信息主要包括图像的客观特征和用户对图像内容的理解两方面。

（1）数字图像客观特征

本系统模型中主要获取数字图像的直方图和纹理特征。直方图直接利用ImageJ的直方图函数提取;纹理特征则是利用灰度共生矩阵特征提取与匹配,主要依赖于能量、熵等参数（参考文献[24]）。设原图像为I,灰度共生矩阵为GI,以下是灰度共生矩阵、纹理能量、纹理熵实现的过程：

GI=graycomatrix（I）;//获得图像的灰度共生矩阵

//能量power

for（int i=0;i

for（int i=0;i

power=power+GI（i,j）＊ GI（i,j）;

//熵entropy

HGI=histogram（GI）;//灰度共生矩阵的直方图

for（int i=0;i

entropy=entropy-i＊log（HGI[i]）;

（2）基于Web2．0的标注

Web2．0是一种新的互联网方式,它让用户参与到信息资源内容的建设中,已经广泛地应用于博客、百科全书、微博中。本系统模型采用Web2．0构建了用户标注模块,用户还可以利用互联网对图像内容进行描述,如图7所示：

图 7

	Figure Option ViewDownloadNew Window
	图 7 数字图像标注实例图

其实现过程参考Flickr^{[ 25]}图像的社会标注。描述标注包括用户手动标注和利用机器学习的方式自动标注,本系统模型没有涉及自动标注。

数字图像存储主要是利用MySQL和JDOM的XML操作实现。过程如下：

根据Pin类中的图像类型选择相应的存储引擎,然后对数字图像文件进行存储,同时把Pin类中图像的属性保存到数据库中,并且生成ID,最后将图像的元数据属性和用户描述信息加入到XML文件中。每幅图像的XML记录格式为：

< image id=数据库中ID >

< attribute_meta >

< histogram >数字图像直方图数值

< power >灰度共生矩阵能量

< entropy >灰度共生矩阵熵

……

< attribute_user >

< description time=描述时间 user=用户名 >描述内容

……

image节点的id属性值是为关联数据库中图像数据记录;attribute_meta节点的子节点记录图像的客观属性,通过数字图像标注系统的客观特征抽取自动获得,如histogram是直方图节点,数据格式为（频带1 像素值1：数量1,像素值2：数量2,……,像素值n：数量n;……;频带m 像素值1：数量1,像素值2：数量2,……,像素值n：数量n）;attribute_user节点的子节点是用户的描述信息,该节点还包括用户的描述时间和用户名两项属性,这两项属性用于跟踪用户的评价行为,以便对用户进行管理。

图像信息的存储主要调用数据库的SQL语句和JDOM JAR对XML文件的操作函数来实现图像信息的插入、更新和删除。

本系统模型设计实现了基于语义的图像检索和基于实例的图像检索功能。

（1）基于语义的检索

用户输入检索词后,利用XQEngine^{[ 26]}引擎对XML文件中的attribute_user节点进行检索,获得含检索词的图像ID;最后通过ID从数据库中获得图像信息,并输出图像。

（2）基于实例的检索

读入检索图像后,利用抽取图像标注系统客观特征的方法,计算图像直方图特征和纹理特征;再计算检索图像和数据库中图像的特征值之间的欧式距离;最后输出高于阈值的相关图像。其流程如图8所示：

图 8

	Figure Option ViewDownloadNew Window
	图 8 基于实例检索的流程图