第 9 章多媒体数据库技术

第第 99 章多媒体数据库技术章多媒体数据库技术

制作人：闫相位班级及学号： 03 级计算机 2 班、 20037104076

第 9 章多媒体数据库技术

9.1 多媒体数据库概述

9.2 多媒体数据库系统的体系结构

9.3 多媒体数据库系统的功能

9.4 扩展关系数据库方法——NF2方法

9.5 基于内容的检索与查询

9.6 超文本和超媒体

9.7 超文本的特性和功能

9.8 多媒体数据模型



9.1 多媒体数据库概述

9.1.1 数据管理方法的发展数据管理方法大致经历了三次重大的变化。

最早，数据是用文件直接存储的，因为早期的计算机主要用于数学计算，虽然计算的工作量大，过程复杂，但其结果往往比较单一，在这种情况下，文件系统基本上是够用的。



随着计算机技术的发展，计算机越来越多地用于信息处理，如财务管理、办公自动化、工业流程控制等。这些系统使用的数据量大、内容复杂，而且面临数据共享、数据保密等方面的需求，于是便产生了数据库系统。数据库系统的一个重要概念是数据独立性。用户对数据的任何操作 ( 如查询、修改 ) 不再是通过应用程序直接进行，而必须通过向数据库管理系统 (DBMS) 发请求来实现。 DBMS 统一实施对数据的管理，包括存储、查询、处理和故障恢复等，同时也保证数据库在不同用户之间数据共享，如果是分布式数据库，这些内容都将扩大到网络范围之上。

依据独立性原则， DBMS 一般被按层次划分为三种模式：物理模式、概念模式和外部模式 ( 也叫视图 ) ，如图 9-1 所示。



图 9-1 DBMS 的三种模式

Êý¾Ý¿â ÎïÀíÄ£Ê½ ¸ÅÄîÄ£Ê½Íâ²¿Ä£Ê½

ÓÃ»§

ÓÃ»§

ÓÃ»§



物理模式的主要职能是定义数据的存储组织方法。如数据库文件的格式、索引文件组织方法、数据库在网络上的分布方法等。概念模式定义抽象现实世界的方法。外部模式又称子模式，是概念模式中对用户有用的一部分。概念模式借助数据模型来描述。数据库系统的性能 ( 包括可用性、便利性及效率等 ) 与数据库数据模型直接相关。



数据模型的不断完善和变革，也就是数据库系统发展的历史。数据库数据模型先后经历了网状模型、层次模型、关系模型和面向对象模型等阶段。其中，关系模型因为有比较完整的理论基础，“表格”一类的概念也易于被用户理解，因而逐渐取代了网状、层次模型，在商业应用数据库中居主导地位。关系模型把现实世界事物的特征抽象成数字或字符串表示的属性，每一种属性都有固定的取值范围。于是，每一个事物都有一个属性集及对应的属性值集，把他们组织成具有以下性质的二维表格，便成为关系：



(1) 表格中的任何两行数据都不完全相同。(2) 表格中每一列的所有数据属于同一属性。表

头定义的是属性名，属性名不允许重复。不难看出，关系模型主要针对的是整数、实数、

定长字符等规范数据，因此，关系数据库的设计者必须把真实世界抽象为规范数据，这要求设计者具有一定技巧，而且有些情况下，这项工作会特别的困难，例如用文字描述一个人的长相，抽象很难完成，抽象得到的结果往往难以和原始信息相吻合。



图像、声音、动态视频等多媒体信息引入计算机后，表达的信息范围大大扩展，但同时又带来新的问题，比如，如何用数据库系统来描述这些数据？关系数据库可以做到一个用户给出查询条件之后迅速地检索到正确的信息。

但现在基本数据不再只是字符、数值型，而是图像、声音，甚至视频数据。由于这些多媒体数据不规则，没有一定的取值范围，没有相同的数据量级，也没有相似的属性集，又如何组织和查询这些数据？

在多媒体数据库中，一般常用的多媒体数据有字符、数值、文本、声音、图像 ( 包括图形、位图图像、动画和视频 ) 等类型。一般来说，所谓多媒体技术就是把声、图、文等媒体通过计算机集成在一起的技术。能够管理数值、文字、图形、图像、声音和动画等多媒体的数据库称为多媒体数据库。



多媒体数据库 (Multimedia Database ， MMDB)

是一个由若干多媒体对象所构成的集合，这些数据对象按一定的方式被组织在一起，可为其他应用所共享。而多媒体数据库管理系统 (Multimedia Database Manage

ment System ， MMDBMS) 则是一个以MMDB 为基础的多媒体应用，该应用能够完成对 MMDB 的各种操作及管理功能，如对 MMDB 的定义、创建、查询、访问、删除等。



多媒体对象由若干类型不一且具有不同特点的媒体对象复合而成，数据量大，内部又存在着多种约束关系，其复杂程度远远高于各类传统的数据对象；此外，和传统的应用相比，多媒体应用又有着新的需求，如对连续媒体对象的实时处理、对数据对象内容的分析等。这些特点就决定了 MMDB 和 MMDBMS 在实现传统数据库系统的各项功能时，要解决一些新的问题，而且， MMDB 和 MM

DBMS还要实现一些传统数据库系统所不具备的新的功能，如海量数据的存储功能、信息提取功能等。可以说， MM

DB 和 MMDBMS 是传统数据库技术、层次化存储技术以及信息提取技术相结合的产物。



9.1.2 多媒体数据库系统多媒体数据库系统如图 9-2 所示。它是由MMDB

和 MMDBMS 构成的一种复杂的多媒体信息存储系统，它必须能够对多媒体数据进行综合性处理。首先， MMDB

MS 能够根据不同媒体类型数据的特点，为其提供合理的表示、存储、访问、索引及提取方法；其次， MMDBMS

应该能够在较高的层次上准确地表示媒体对象之间的多种约束关系，并为用户提供统一的数据管理手段。多媒体数据库系统应当能够支持多种媒体数据类型及多个媒体对象的多种合成方式；能够为大量数据提供高性能的存储管理；能够支持传统的 DBMS 功能；能够支持多媒体信息提取功能；能够为用户提供丰富而便捷的交互手段。



图 9-2 多媒体数据库系统

µ¥Ò»Ã½ÌåÀàÐÍÊý¾Ý Ã½Ìå¶ÔÏóµÄºÏ³É£«

¶Ô¶àÃ½ÌåÊý¾ÝÀàÐÍµÄÖ§³Ö́ «Í³Êý¾Ý¿âÏµÍ³µÄ¹¦ÄÜ ´æ´¢¹ÜÀí ÐÅÏ¢ÌáÈ¡¹¦ÄÜ ½»»¥¹¦ÄÜ

¶àÃ½ÌåÊý¾Ý¿â



9.1.3 多媒体数据的特点从数据管理的角度来看，多媒体数据主要有下列 4

个特点。1. 数据量大多媒体数据量一般都很庞大，虽然采取了数据压缩

措施，但压缩后的数据量还是很大。以声音和影视为例，放 5 分钟的音乐，约需压缩后的数据 7 MB左右；放 1 个小时的录像，约需压缩后的数据 700 MB左右。这样大的数据，全部放在磁盘里是不现实的，一般都是采用内存、磁盘、光盘三级存储器系统来存取的。



2．等时性和同步多媒体数据中的连续数据在演播时需按一定的稳

定速率传送，这叫等时性。例如演播音乐或讲话时，数据需按规定速率连续传递，速率慢了、快了，或抖动都会引起声音的失真，更不能中断或较长时间的丢失数据。在演播电视时，每帧必须按时、按序到达，不得前后抖动。此外，影视数据和配音数据、字幕数据必须同步，发音和口型在时间上必须对准。当然，这些等时性和同步并不一定要十分准确，以人的感觉器官不能觉察为度即可。



3．非结构化数据声音、图像、影视等数据基本都是二进制串。

这些数据从其本身看不出任何结构，因此称为非结构化数据。各种媒体的数字化存储形式称为媒体数据 (M

edia Data) 。因为这些数据往往通过传感器输入计算机，又称传感器数据 (Sensory Data) 。如果不对媒体数据另加一些描述和解释则很难利用它们。对数据的描述、解释不是数据本身，而是关于数据的数据，也就是元数据。元数据有些很简单，可以很方便地获得，例如数据表示符、媒体类型 ( 是声音，还是图像等 ) 、编码和压缩方法、制作日期和所有者等；



有些则与数据内容有关，需要到数据中提取，很费时间，例如图像的纹理、图中的物体及其位置、电视镜头的背景及活动对象等，而且这些元数据与媒体数据类型以及应用有关，不可能事先生成所有元数据，而且有些还需要在使用时生成。因此，元数据的生成是多媒体数据管理中的一个重要而突出的问题。

4．特殊的用户接口及操作对于声音、影视数据，除了需要提供一般数据都

有的增、删、改和查询等操作外，还需要提供与媒体有关的接口和操作，例如演播、倒退、快进，按内容、序号或时间选播等接口和操作。



9.2 多媒体数据库系统的体系结构

MMDBMS 的体系结构可以被抽象为三层：数据库管理层、多媒体数据合成层和交互层，如图 9-3

所示。



³¬ÎÄ±¾µ¼º½

¶àÃ½Ìå²éÑ¯

Ã½Ìå±à¼©

Êý¾Ý½á¹¹¶¨Òå

¶àÃ½ÌåÊý¾ÝµÄ¸÷ÖÖÔ¼Êø¹ØÏµ£»¶àÃ½Ìå¶ÔÏóµÄºÏ³ÉÐÅÏ¢£»³É·ÖÊý¾ÝÌåµÄÌØÕ÷ÐÅÏ¢µÈ

ÎÄ±¾½çÃæ

ÎÄ±¾DBMS Í¼ÏñDBMS ÒôÆµDBMSÊÓÆµDBMS

ÎÄ±¾¼ÇÂ¼ Í¼Ïñ¼ÇÂ¼ ÒôÆµ¼ÇÂ¼ÊÓÆµ¼ÇÂ¼

½»»¥²ã(µÚÈý²ã)

¶àÃ½ÌåÊý¾ÝºÏ³É²ã(µÚ¶þ²ã)

Êý¾Ý¿â¹ÜÀí²ã(µÚÒ»²ã)

Âß¼ Êý¾Ý¿â¹ÜÀí×Ó²ã (ÓïÒå/¸ÅÄî/ÈÏÖª)

ÎïÀíÊý¾Ý¿â¹ÜÀí×Ó²ã (´æ´¢/Ñ¹Ëõ)

图 9-3 MMDBMS 的体系结构



数据库管理层负责完成对各类媒体对象的维护。多媒体对象是由既相互独立又相互联系的文本、图形、图像、音频或视频等媒体对象构成的一种复合实体，各类媒体对象在复杂程度、数据量和是否具有时域特征等方面存在极大的差异。为了适应这种异构性，数据库管理层利用不同的数据库及数据库管理系统来存储和管理不同类型的媒体对象，即数据库管理层依据不同媒体类型的特点，选用不同的表示、存储和处理媒体对象的手段。

数据库管理层可以被进一步划分为物理数据库管理子层和逻辑数据库管理子层，前者主要完成各类媒体对象的物理存储，后者则负责媒体对象的维护以及向外界提供各种数据访问服务。



多媒体数据合成层负责多媒体对象的存储与管理，主要完成表示及维护多媒体对象的合成方式 (即各媒体对象如何聚集为多媒体对象 )以及各媒体对象之间所具有的各种约束关系，尤其是对时域约束关系的描述信息，这些信息在提取、显示等多媒体数据的操作过程中发挥着重要作用。

交互层为用户访问 MMDBMS提供所必需的查询、浏览、媒体编辑、数据组织等功能。同其余两层相比，该层的变动性较大，也就是说可以通过不断地引入新的技术来丰富和用户的接口功能。如随着 Web 技术的成熟与完善，可以利用 HTML“ 超链”的概念，将 MMDBMS 中保存的有关空域、时域等约束关系的描述信息嵌入Web 主页，从而使用户能够通过统一的 Web浏览器，对多媒体记录的内容进行检索和遍历。



9.3 多媒体数据库系统的功能

MMDBS 的功能与传统数据库系统的功能基本相同，但由于多媒体数据类型与传统数据类型之间存在着较大的差异，而且，各种多媒体应用也有着与传统应用不尽相同的需求，因而， MMDBS 的各种功能有着新的含义。现在，我们以传统数据库系统的各项功能为出发点，对 MMDBS 的功能作简要的介绍。

传统数据库系统的功能大致可以从 9 个相关的方面体现出来，即持续性、完整性控制、事务、并发控制、版本控制、数据恢复、查询、安全性和性能。



1. 持续性持续性是指 DBMS 能够确保在经历了不同应用程

序的处理后，一个数据对象可以被完整地保存在数据库中。在基于数据库的应用中，数据可以是暂时性的，也可以是持续性的。暂时性数据只在一个程序的生存周期或事务过程中有效，随着程序或事务过程的结束，暂时性数据将消失。而持续性数据则是由 DBMS 所维护的，它独立于任何具体的应用或事务之外而存在，即某一程序或事务过程可以对持续性数据进行处理，但持续性数据不会因为程序或事务过程的结束而消失，而且 DBMS 甚至要排除系统故障或存储介质的故障对持续性数据的影响。



一个多媒体对象往往要包含多个媒体对象，各媒体对象间又存在着多种约束关系，媒体对象和约束关系的表示结果被分别存储在不同的数据库中。 MMD

BS 要维护多媒体对象的持续性，就要负责维护其各组成部分的持续性。另外，考虑到一个媒体对象可能被多个媒体对象所包含，因而 MMDBS 维护媒体对象的持续性对于防止引用完整性遭到破坏至关重要。



2．完整性控制当数据库所包含的全部记录都满足一致性约束

条件时，数据库具有合理的状态。一致性约束条件限定了数据对象应当具备的语义，反映了数据对象在具体应用中应满足的条件，如在人事档案系统中，记录身份证号码的数据项不可出现取值重复的现象等。 DB

MS 的完整性控制机制的目的在于检查及维护数据库状态的合理性。对 MMDBS 而言，多媒体对象的复杂性决定了其完整性控制机制的复杂性。



3．事务事务是由若干数据库操作构成的序列，具备原子性、

一致性、隔离性和持久性。所谓原子性，是指构成一个事务的全部操作要么都被执行，要么都不被执行。前一种情况我们称之为事务被交付，后一种情况我们称之为事务被放弃。一致性意味着被交付的事务应当能够使数据库从一个合理的状态过渡到另一个合理的状态。由于多个用户可能同时对同一个数据库进行操作，因而 DBMS 要确保事务的隔离性，即排除并发事务间的相互干扰，使用户不能感知到并发事务的存在。事务的持久性是指当一个事务被交付后，即使系统或存储介质发生了故障， DBMS 也能够保证相应的数据库的变化可以长久地被保存下去。



由于组成多媒体数据的不同成分分布在不同的子数据库系统中，因此 MMDBS 中的事务往往包含了一个或多个需由子数据库系统处理的事务。另外，由于多媒体的数据量通常较大，其内部又有着复杂的结构，因而 MMDBS 所要处理的事务的执行过程往往要经历多个阶段，持续的时间较长，因此也称此类事务为长事务。长事务决定了 MMDBS 的事务管理机制要解决一些新问题。 MMDBS事务的复杂性如图 9-4 所示。



图 9-4 MMDBS事务的复杂性

×ÓMMDBS

×ÓMMDBS

×ÓMMDBS

ÓÃ»§

MMDBS

ÊÂÎñ

×ÓÊÂÎñ

×ÓÊÂÎñ

×ÓÊÂÎñ

¡



4．并发控制并发控制的目的在于排除并发事务之间的相互

干扰，实现事务的隔离性。通常的做法是， DBMS 为并发事务所包含的操作安排某种串行化的执行次序，如图 9-5 所示。这样，虽然事务是并发执行的，但其效果同依次执行时相同，这被称为事务的串行化。并发控制与数据库的完整性控制关系密切，并直接影响着事务一致性的实现。时间戳排序、乐观算法及悲观算法是三种基本的并发控制方法，适用于不同类型的应用。



图 9-5 并发事务串行化

op11 op12 op13T1£º

op21 op22 op23T2£º

op11 op12 op13 op21 op22 op23

´®ÐÐ»¯



5．版本控制在数据库系统中，事务使得数据对象的状态不断

地发生着变化。有些应用不仅对数据型对象的当前状态感兴趣，还希望了解其状态所经历的变化。为了满足此类应用需求， DBMS 需要通过版本控制机制来保存和管理数据对象状况的变化过程。而多媒体对象庞大的数据量要求 MMDBS 能够更为有效地实施版本控制。有限的存储空间有时会限制 MMDBS 为用户提供版本控制的功能。另外，版本控制并非只针对单一的媒体对象，它需要管理一个多媒体对象的不同组成成分的发展变化。



6．数据恢复数据库是一个复杂的信息处理系统，出现差错是

在所难免的。可能的差错包括事务处理差错、系统差错和存储介质差错等。因而 DBMS 必须具备错误检测和数据恢复的功能，这一功能是 DBMS 实现数据库持续性的基础。 MMDBS 的数据恢复机制较一般的 DBMS 数据恢复机制复杂。



7．查询用户可以通过查询，对库存数据集合的某个子集进

行选取。查询往往由某种高级的描述性语言所定义，此类语言称为查询语言。某些 DBMS 使用的查询语言有较为坚实的理论基础 ( 如关系代数等 ) ，而其他 DBMS 则使用一些非正规的查询表示方法。由于有关 MMDBS 的研究尚未成熟，因而 MMDBS 的查询多属于后者，往往通过某种高度可视化的、具有良好交互性的前端工具来完成。

MMDBS 的查询包含了从简单到复杂等多种形式，简单的查询申请一般是针对多媒体对象的属性、关键词等提交的，而基于内容的查询则属于复杂的多媒体查询形式。



8．安全性设置安全机制的目的在于排除对数据记录非授权的访

问，它对持续性的实现也是必要的。由于 MMDBS 由若干既相对独立又密切相关的系统构成，多媒体对象的不同组成成分分布于这些子系统之中，因而 MMDBS 的安全性维护机制会涉及到不同子系统之间的协作。

9．性能媒体对象的数据量较大且有较严格的时间要求，因而

为了保障 MMDBS 的性能，需要对其物理存储子系统进行优化，这对于 MMDBS 整体性能的提高是至关重要的。此外，MMDBS 性能的改善还包括在数据组织方式、索引机制、查询等方面的工作。



除了上述功能之外， MMDBS还具备一些和多媒体数据特点及应用需求相适应的功能，如数据对象的合成与分解、对大量多媒体数据的综合处理及有效的存储管理、信息提取功能以及对空域、时域等媒体对象间的约束关系的综合处理等。



9.4 扩展关系数据库方法—— NF2 方法

NF2 (Non First Normal Form ，非第一范式 ) 方法适用于对复杂对象的处理，它对关系模型进行了扩充。 NF2 不再遵从关系范式中“表中不允许再有表”的规定。这样 NF2 模型就允许关系的属性是另外一个关系，因而支持层次结构，使层次结构语义在一个关系中直接得到体现，从而就为描述嵌套层次很深的实体带来了方便。



关系模型要求每个属性均为原子数据类型，这样，用关系模型为应用建模时，一个属性可能不得不存放在若干关系中，且对象内部的结构联系要通过关系的连接属性来表现，因而对复杂对象的处理变得十分困难。为了进一步说明这一点，引用一个机器人模拟的例子。

一个机器人有名字 (name) 及手臂 (arm) 。在描述机器人的手臂 (含有若干个轴及一个把柄 ) 的属性时，若使用传统的关系数据库系统则只允许表示原子属性。如在 D

B2 中可以定义两个关系如下：



CREATE TABLE robots (name char(10),arm char(10)),

CREATE TABLE arms (arm_id char(10),

axis…,

gripper…)

这里 robots 关系中的属性 arm 及 arms 关系的 ar

m_id 构成了连接属性，蕴含着 robots 和 arms 之间的层次结构。可以通过使用以下查询构造出这个结果：

SELECT name,arm,axis,gripper

FROM robts,arms

WHERE robots.arm=arms.arm_id;



对复杂实体，这种方法存在两点不合理的地方：第一，当实体内结构非常复杂时，在查询或修改数据库时，由于实体的结构语义必须通过连接操作实现，因而要对数据库进行频繁的连接、投影乃至分解操作，这些操作开销大，严重影响了数据库的效率；第二，结构语义是隐性的，不直观且难理解。

为了解决这个问题，有人提出打破关系模型约束的 NF2 ，，不再遵从关系范式中“表中不允许再有表”的规定。用 NF2 数据库定义机器人的例子如下：



例 1

CREATE robots SET(TUPLE(

Name: STRING(10),

Arm:SET(TUPLE(

Arm_id:STRING(10),

Axis: …

Gripper: …

))

))

END



以上定义中的“ SET(TUPLE(” 相当于前面提及的关系表 TABLE 。

在定义了嵌套关系对象结构之后，若想检索机器人的全部信息，则可简单地使用以下查询：

SELECT

FROM r IN robots

WHERE r. name='R2D2';

这一检索过程隐含了对机器人对象的每一子关系的存取操作，而不需要像前面那样通过 SELECT语句重新构造对象结构。



此外， NF2 数据模型的另一优点是支持隐含的向前引用。这就意味着，若一个对象是另一对象的子关系，则在选择所有的子结构信息时不需要再进行连接操作。同样， NF2 也支持后向引用，这可根据对每一选择的子结构简单地抽取路径信息来完成。以下是用户从不同的层次结构中查询信息的例子。

• 例 2• SELECT ar.arm_id , ax.axis_id• FROM r IN robbts,• Ar IN r.arm,• Ax IN ar.axis• WHERE r.name='R2D2';



9.5 基于内容的检索与查询

多媒体数据对数据库操作，特别是对数据库操作的检索与查询提出了新的要求。非多媒体数据库一般只提供基于表示形式的检索，提供诸如关键字一类的检索和查询。多媒体数据库则提供基于内容的检索，要求数据库系统能对图像或声音等媒体进行内容语义分析，以达到更深的检索层次。



1．基于内容的查询基于内容的查询是 MMDBS 的一项高级功能，通过这

一功能，用户可以查找和获取包含特定内容的多媒体对象，例如，讲述多媒体数据库的文章、包含黑色轿车的图片等。

为了支持这一功能， MMDBS 需要解决一系列新的问题，例如，如何提取多媒体对象包含的内容、如何对内容进行抽象及表示、如何为多媒体对象建立基于内容的索引、如何提交内容查询、如何处理内容查询等。

内容查询机制是 MMDBS 中一个较为复杂的子系统，在诸如文档资料管理系统、地理信息系统中有着广泛的应用。



2．多媒体对象的内容属性多媒体对象的内容属性是对多媒体对象所含内容

的一种概括性描述。例如，我们可以利用关键词来概括文字对象的内容、可以利用彩色直方图来概括图像对象的内容等。

内容属性能否准确合理地表示多媒体对象的内容会对内容查询的好坏产生直接的影响，因此，如何为库存的多媒体对象选取恰当的内容属性，就成为了 MMDB

S 在实现内容查询这一功能时应当首先解决的问题。下面，仅就一些媒体类型常见的内容属性作简要的介绍。



1) 文本

关键词常被选作文本对象的内容属性。关键词的取值为一个集合，由若干单词构成，这些单词在文章中出现的频率较高且反映了文章的主题。例如，一篇讨论多媒体数据库的文章，其关键词可以是“多媒体”、“数据库”和“ MMDBS” 。我们称所有库存文本对象关键词属性的集合为词汇，词汇往往同文本对象的应用领域 ( 如计算机应用、经济等 ) 有关，是对某个领域具有代表性的单词的汇总。此外，为了支持较为复杂的文本内容查询，一些 MMDBS除了保存及管理词汇之外，还进一步从应用领域的特点出发，发掘并维护与之密切相关的信息。以概念查询为例，除保存词汇之外，系统还维护某领域常用单词之间在概念上的关联关系。



2) 图形图形对象由若干彼此之间具有一定空域约束关

系的几何体构成。几何体的各种特征 ( 如几何体的形状特征、面积、周长等 )以及几何体之间的位置关系( 如几何体的空间位置、几何体间空域关系的类型等 )

常被选作图形对象的内容属性。由于图形对象与其应用领域有关，因此图形对象的内容属性是与其应用领域 ( 如 VLSI ， CAD ， GIS 等 ) 的特点相对应的。

(1) 图像。图像对象常见的内容属性包括颜色、纹理、对象特征、图像边缘等。现简单讨论如下：



① 颜色。图像的颜色特征常由颜色直方图来表示。颜色直方图反映了图像像素在彩色空间的分布状况，而与图像包含的对象 ( 如汽车、房屋、树林等 ) 关系不大。为了建立起颜色分布状况与图像中某些位置间的关联关系，除了计算整幅图像的颜色直方图外，还可以将图像分割为一系列区域，并获取每个区域的颜色直方图。

② 纹理。很多图像在局部区域内呈现不规则性，但在整体上表现出规律性，习惯上把图像的这种特性称为纹理。图像内容的纹理特征可进一步由粗糙性、方向性及对比度 3 个参数来表示。



③ 对象特征。颜色、纹理的内容属性反映了图像数据自身的物理特点，并不能直接表示图像所含的对象。为了支持用户对包含某类对象的图像的查询 ( 如返回所有包含汽车的图片等 ) ，图像中关键的对象的特征也常常被作为图像的内容属性，这些特征包括对象的大小、对象在图像中的位置以及形状等。由于人们对形状相似性的理解带有较强的主观色彩，因而对形状的表示及比对是图像内容查询中的难题。



④ 边缘特征。某些系统允许用户在定义查询表示时，使用绘图工具手工勾勒出目标对象的边沿形状。这时，系统就需要选取边缘特征作为图像的内容属性。在图像分析中，图像灰度级的局部不连续性称为局部边沿或边沿元，而由诸多边沿元沿其切线方向连接成的大范围的线段，称为边缘。所谓边缘特征，是指一个由一幅图像中若干边缘构成的集合，这些边缘能够抽象地表示图像的内容，如图像所包含对象的轮廓等。

此外，内容属性还有与生成图像的应用领域紧密相关的属性，如在一个脸部图像系统中，内容属性还包含五官的相对位置关系等。



(2) 视频对象。视频对象由一系列静止图像构成，每幅图像被称为帧，即帧是视频对象最基本的构成单元。由于不同帧之间在内容上关联程度不同，所以在对视频对象的内容进行抽象之前，往往需要首先对其进行必要的层次划分，如图 9-6 所示。因此，对视频对象内容的抽象可以转化为对某些关键性镜头的内容的抽象，相应地，视频对象的内容属性是那些关键性镜头在内容上呈现出来的特征，如镜头所含的各种摄像动作 ( 如摇、推、拉、追踪等 ) 、镜头中运动物体和镜头的关键帧等。



图 9-6 视频对象的划分

ÊÓÆµ¶ÔÏó

¾µÍ· 1# ¾µÍ· 2# ¾µÍ· n#

Ö¡11 Ö¡12 Ö¡1m¡

¡

¡ ¡



镜头 (Shot)由摄像机对某一场景不间断地记录时所获取的视频数据构成，一个镜头所包含的各帧在内容上最为相关，即镜头是对视频对象内容的一种划分。视频对象的某些内容属性与其应用领域有着密切的关系。如在一个新闻资料数据库系统中，可以选取电视台的图标、节目主持人的图像作为视频对象的内容属性。

(3) 音频对象。音调、音量等参数反映了声音的物理特征，是最为基本的音频对象的内容属性。讲话者的身份特征、音乐的旋律特征等则是一些与应用领域相关的音频对象的内容属性。此外，对声音进行必要的分割后，检测出来的较为特殊的声音片段，如掌声、体育比赛场上嘘声、喝彩声等也可作为音频对象的内容属性，这些属性通常是与音频对象的应用领域相关联的。



3．内容属性的提取方式媒体对象内容属性的提取方式一般有 3 种，即手工方式、自动方式

和混合方式。媒体对象的内容属性不仅与媒体数据自身的特点有关，而且还和媒体对象的应用领域有着紧密的联系，这一特点对于 MMDBS以何种方式提取内容属性有着一定的影响。

文本是应用最为广泛的数据类型之一。虽然图像、音频、视频等类型的媒体对象包含的信息量通常较大，其内容难以为文字所准确描述，但是，由于处理文本数据的各种技术不仅简单而且比较成熟，因此，许多 MMDBS

还是采用关键词属性来描述图像、音频、视频等媒体对象的内容。手工方式则是一种最为常见的提取关键词属性的方法。当然，手工方式也常用于媒体对象的其他内容属性的提取过程，如：图像的纹理，所含对象的特征，边缘特征等。



手工方式的优点是简单方便，有利于充分发挥数据录入人员对媒体对象应用领域的特点的了解。但手工方式要求数据录入人员要对大量的媒体对象逐一地分析并确定内容属性的取值，工作量很大；而且不同的数据录入人员对内容属性的值域及取值规则的掌握程度不同，即使同一录入人员也难以在不同时期以同一种尺度确定内容属性的取值，这些都将加剧内容查询的不确定性。

正因为手工方式存在着种种缺陷，所以内容属性的自动提取长期以来一直受到人们的重视。对图像、视频数据而言，内容属性的自动提取涉及到图像处理、图像理解及视频序列分析等技术。通常适用于颜色、纹理、边缘、运动物体等与媒体对象自身的特点更为相关的内容属性，音频数据分析、语声识别等技术则被用于音频对象内容属性的自动提取过程。



虽然内容属性的自动提取方式可以有效地降低数据录入人员的工作量，但是，由于内容属性的自动提取技术尚未成熟，而且这一技术也不能很好地适用于与应用领域相关的内容属性的提取，因此自动和人工的混合方式也是提取内容属性的一种常用方式。例如， MMDBS 先以某种方法自动提取一幅图像所包含的各种物体，但这些物体具有什么样的实际含义则以人工的方式来定义；又如，在一个文档检索应用中，通过如下步骤，系统可以自动确定库存文档所含的词汇：



(1) 统计库存文档中单词出现的频率；(2) 按频率大小将单词顺序排列；(3) 删去那些出现频率较高及较低的单词；(4) 由剩余的单词构成词汇。由此获得的词汇是对库存文档统计的结果，无法准

确地反映文档的应用领域特点，因此还需人工介入，如请相关领域的专家对词汇进行必要的调整，即删除或添加一些单词等。



4. 内容属性的匹配方法用户通过定义及提交查询表示向 MMDBS申请内容

查询，而匹配则是 MMDBS 对内容查询进行处理的过程中所要完成的一项重要工作。

查询表示包含了用户定义的多个逻辑表达式，是用户根据内容属性，对目标对象所应具有的内容特征的描述，而匹配则是查询机制依据某种比对规则对库存多媒体对象的内容特征与目标对象的内容特征是否吻合的一种检验。

由于内容属性不可能准确地概括媒体对象的内容属性，因而匹配过程主要检测的是库存媒体对象的内容特征与目标对象的内容特征的相似程度，并依据相似程度的大小返回结果。



例如，在全文检索的过程中，当用户要求访问与视听会议相关的文献资料时，库中那些含有“视频”、“桌面电视”、“视频处理”、“电视会议”等关键词的文档都有可能满足用户的要求，显然只返回那些包含关键词“视听会议”的文档是不恰当的，因而按相似程度匹配是必要的。

5. 内容查询的特点

由于各类媒体对象包含的信息量较大，不可能被内容属性全面、精确地概括，而且内容属性的取值也较为复杂，无论借助于什么样的提取方法，其取值都不可能十分准确，再者，内容属性的匹配方法也有着一定的不确定性，因此必然会导致如下结果：



(1) 用户对目标对象内容的描述带有一定的模糊性；

(2) 查询机制返回多个与目标对象内容相近的媒体对象。

这意味着用户需要对返回的结果进行筛选，或者根据返回结果的特征修正对目标对象的描述，降低模糊程度，并进一步与查询机制进行多次交互以获取所需的媒体对象。

总之，内容查询是一个较为复杂的逐步求精的过程，具有反复性和交互性的特点。



9.6 超文本和超媒体

9.6.1 什么是超文本和超媒体传统的文本，如一本书、一篇文章、一个文件、一

段计算机程序等，它们的共同点是在组织上是线性的和顺序的。这种线性结构体现在阅读文本时必须按固定的顺序一页一页地有次序的进行，读者没有选择阅读内容的余地。然而人类的记忆是层次网状结构，知识的获取采用联想方式，联想检索必然会导致选择不同的路径，并产生不同的结果。



因此文本的线性结构在客观上限制了人们自由联想能力的发挥。人类的思维是联想式的，如果信息的组织也具有联想式的非线性的结构，将有助于提高人们获取知识的效率，同时各种信息也会得到充分的利用。

超文本结构类似于人类的这种联想式记忆结构，它采用一种非线性的网状结构组织块状信息，没有固定的顺序，也不要求读者按照某个顺序来阅读。各信息块间按照自然关联关系用有向直线段 (链 )加以连接，以便于人们联想查找。图 9-7 所示是一个完整的小型超文本的例子，该结构由六个信息块组成。在超文本中，信息块称为结点，每个结点可以是一段正文、一个文件、一帧图像 ( 图形 ) 、一幅动画、一段声音或一个窗口等，结点之间按它们的自然关联用若干个链连接成网络。



图 9-7 超文本结构事例

C

FE A

DB

EC

D FD

BE

A

C D

CF



链有多种类型，通常是有向的，从源结点指向目标结点。超文本的链通常连接的是源结点的局部区域 (例如某个单词或一个词组、一个句子等 )指向目标结点的整个结点。当用户点触该区域时，将激活这条链，从而从源结点迁移到目标结点。超文本结构实际上就是由结点和链组成的一个网络。因此在超文本结构中获取信息时，可以通过不同的路径达到目的。

超文本系统具有一个用来帮助用户检索所需要的内容，同时避免用户在复杂的超文本网络中迷失方向的交互式工具，称为导航图。导航图是一个超文本网络的结构图，与文本中的结点和链一一对应。它可以帮助用户在网络中定向以及观察信息是如何连接的，以方便用户在超文本网络中寻路、定位和回溯。超文本导航图示例如图 9-8 所示。



图 9-8 超文本网络导航图示例

A FB C D E



从导航图可以看出，其中有一条链为主流链接 (以粗线条链表示 ) ，其余的为非主流链接，即辅助链接。主流链接是超文本的主顺序流程，而辅助链接提供读者能跳跃式阅读文本的内容。

随着多媒体技术的发展，超文本的信息块中表达信息的形式从符号、文字、数字扩展到图像 ( 图形 ) 、动画、视频、音频等媒体。使用超文本的多媒体系统称为超媒体系统 (Hypermedia) ，实际上就是超文本加上多媒体。但目前在多媒体系统中超文本和超媒体是混用的概念，因此以下各节中均统一使用超文本来代表超文本和超媒体。



9.6.2 超文本的定义和组成1．超文本的定义超文本是由相对独立的信息块——结点和表达结

点之间关系链所组成的信息网络。结点、链和网络是组成超文本的三个要素。用户通过在网上浏览、查询，沿链访问相应的结点。

从计算机技术角度来看，超文本是一种数据组织模式，在这种数据组织模式下，用户可以使用非线性的数据访向方式；同时超文本也是一种接口模型，采用控制按钮的方式组织接口，用户可以通过按钮选择访问下面的数据。



2．结点在超文本中，结点是存储和表达信息的基本

单位，每个结点表达一个特定的主题，它的大小根据实际需要而定，没有严格的限制。对多媒体而言，结点中包含的信息可以用文本、图像 ( 图形 ) 、视频、动画、音频、甚至味觉、气味、触觉等多种媒体表征。不同的超文本系统中的结点表示方式可以不同。例如：Hyper Card 中的结点为卡片， Hyper PAD 中的结点为便笺， Hyper Writer 中的结点为页， KMS 中的结点为帧等。结点的显示一般采用以下两种方式：



(1) 依各结点的大小进行线性显示。(2) 以窗口形式显示。在这种显示方式中，结点和

窗口是一一对应的，一个屏幕可能有几个重叠窗口分别显示一个结点。目前大多数超文本系统采用窗口显示方式。

在超文本系统中结点可分为两大类型，一类称为表现型结点，另一类称为组织型结点。

表现型结点主要是用于表示不同的媒体信息，具体介绍如下：

(1) 文本结点 (Text Nodes) ：由文本组成，用于解释一个概念，表达一种思想或描述一个现象等，是信息的文本表现形式。



(2) 图形结点 (Graph Nodes) ：由图形或图形中的一部分组成，是信息的图形表现形式。图形结点中可以包含部分文字，因此也可以称为图文结点。

(3) 图像结点 (Image Node) ：由图像和图像的性质等组成，是信息的图像表现形式。与图形一样，图像可以被嵌入在文本中，它能给人以视觉感受。

(4) 声音结点 (Sound Node) ：由一段录音或合成声音组成，是信息的音频表现形式。声音也可以被嵌入在文本里，它能给人以听觉的感受。

(5) 视听结点 (Video and Audio Nodes) ：由视频和音频混合组成，是信息的视频和音频两种媒体的混合表示。它给人以综合的视听感受。



(6) 按钮结点 (Button Nodes) ：由含有特殊功能的按钮组成，每个按钮都可以启动相应的计算机程序，完成特定的操作任务。因此，按钮结点又称为程序结点。组织型结点主要用于结点的组织和知识的表示，具体介绍如下。

(1) 索引结点 (Index Text Nodes) ：由索引项组成，索引项用指针指向索引项中表示概念的定义；或回指到引用它们的索引文本结点。

(2) 索引文本结点 (Indexed Text Nodes) ：又称目录结点，包含各自媒体 ( 文本、图像、视频、音频等 ) 结点的索引指针，指向索引结点。



(3) 对象结点 (Object Nodes) ：由槽、继承链和附加过程组成，用来描述对象。对象结点与连接词 is-a或 part-o

f 等组合，用来表示知识的层次网络结构。(4) 规则结点 (Rule Nodes) ：由规则组成，指明使用

规则的条件，以及使用规则后得到的结果。3．链链是由超文本组成的基本单元，是用来连接具有某

种信息联系的结点间的纽带。结点和结点之间的链组成了超文本的层次网状结构，链提供了在这种超文本结构中进行浏览和探索结点的能力，以实现非线性检索信息的目的。链可以单独存储，也可以嵌入结点中，链的一般结构可以分为链源、链宿及链的属性等三个部分。



链源是指导致结点信息迁移的原因，链源可以是热字、热区、热点等。热字是在文本结点中特殊符号标注的词组(例如，用颜色或用下划线来标注 ) 。热区是在图形和图像等静态视觉媒体结点中某一用户感兴趣的区域。热点是在具有时间特性的动态混合媒体结点 (例如视频、动画、音频等 ) 中某一段时间内的信息，因此，热点需要记录下某段时间内感兴趣信息的起止时间点。

链宿是链所指向的目标，在超文本中链宿一般为一个结点。

链的属性是指它的类型、版本和权限等。在超文本系统中，结点联系的多样性使得链具有多种

不同的类型，一般常用的链的类型有以下几种：



(1) 顺序链 (Sequence Links) ：顺序链将超文本中的结点按照基本顺序连接在一起，使结点信息在总体上呈现为一线性结构，如同一本书的页作为一个结点，用顺序链将它贯穿起来，用户按这个顺序去浏览结点，如图 9-9 所示。

图 9-9 顺序链示例

¡



(2) 结构链 (Structure Links) ：结构链是一种用于组织结点的链，它把超文本结构中的结点组织成树状结构。通过结构链能遍历超文本中的所有结点。在这种超文本结构中，上层结点称为下层结点的父结点，反之，则称为子结点，父结点通过结构链连接它的所有子结点，如图 9-10 所示。

图 9-10 结构链示例



(3) 索引链 (Index Links) ：索引链为超文本中结点之间提供了丰富的连接方法，它将超文本中的结点组织成交叉的网状结构。索引链源可以是热字、热区或热点，而链宿为目标结点，目标结点通过点动链源驱动。索引链如图 9-11 中虚线所示。

图 9-11 索引链示例



(4) 结点内注释链 (Annotations Links) ：注释链的链源可以是热字、热区或热点等，链宿为一注释体，是一个单媒体对象。

(5) 关键字链 (Key Word Links) ：为超文本中的每个结点定义一个或多个关键字，通过对关键字的查询操作即通过关键字链驱动相应的目标结点。一个结点可以有多个关键字，多个结点可以拥有相同的一个关键字。

(6) 执行链 (Execute Links ：执行链又称按钮，这是一种特殊的链，执行链允许超文本系统与高级程序设计生成一个接口，触发执行链可以启动一计算机程序，以完成特殊的操作。



超文本由结点和链构成的网络是一个有向图，这主要是由于超文本中的链都是有方向的，并且都是单方向的。它类似于人类的联想记忆模型，采用一种非线性的网状结构来组织块状信息。结点之间的联系与依赖通过交互的浏览、探索来实现。网络中的结点的排列没单一的、固定的顺序，因而每一个结点都可以有多种不同的访问方式，由用户根据自己的需要来选择浏览的路径。超文本具有多方面、多层次的表现力，为人们提供了一种全新组织信息的方法。因此，超文本网络在建立信息联系的同时，也表现了设计者的思维轨迹。超文本网络是一种适合于多媒体系统表达和组织的模型。



9.6.3 导航图超文本系统是由结点和链组成的一个错综复杂的

网络系统。要想在超文本网络中有条不紊地自由浏览，不致迷失道路和方向，强有力的导航工具——导航图是必不可少的。导航图或称浏览图，以图形化的形式表示出超文本网络的结构图，与数据库中存储的结点和链一一对应。它可以帮助用户在网络中定向和观察信息是如何连接的，使用户在一个由千百个结点和链组成的超文本网络中浏览游刃有余。



9.7 超文本的特性和功能

9.7.1 特性超文本的特性如下： (1) 超文本中的结点内可以包含文本、图形、图

像、视频、动画、音频等多种媒体信息，结点内信息的表现方式可根据结点所要表示的主题来进行选择和组合。

(2) 超文本是由结点和链组成的一个层次网状结构，其信息组织类似于人类头脑中知识的联想记忆结构，并且它的信息表达有利于人们的思维和推理。



(3) 用户与超文本中的信息的交互是通过浏览和导航图来实现的，这种信息检索是自由的、主动的，而且是非线性的，是一种自然的信息获取方式。9.7.2 功能

超文本的功能如下：(1) 超文本具有非线性编辑功能，为用户提供了

一种新型的信息组织方法，它允许以信息的自然联系组织存储结构，先将信息按某种要求组成块状结构——结点，再将结点用链连接成一个整体。



(2) 超文本支持跳跃式的联想查询功能，允许用户有选择地查询自己感兴趣的部分，而忽略其他部分。用户也可以暂时挂起正在查询的部分，而转去查看一些辅助信息，例如参考文献、注释等，然后再返回来继续查看原来部分的内容。

(3) 超文本具有信息 (知识 ) 的表示功能，它可以表示文本和其他媒体、概念间的关系和组织结构。信息表示的最基本形式是超文本结点，结点以不同方式连接成不同的组织结构形式。



(4) 超文本支持标准的窗口操作功能，屏幕中的窗口和超文本中的结点是一一对应的，即一个窗口只显示一个结点，每个结点都有名字或标题显示在窗口中，屏幕上只能包含有限个同时打开的窗口。



9.8 多媒体数据模型

9.8.1 面向对象数据模型多媒体对象是十分复杂的数据对象，而这就决

定了多媒体数据模型应当具备较强的抽象和表达能力。在当前的各种数据模型之中，面向对象数据模型提供了表示多媒体对象的最佳手段，被认为是一种较为理想的多媒体数据模型。



面向对象数据库 (OODB)把面向对象设计方法和数据库技术相结合而产生了用以支持非常规应用领域的数据库系统。在 OODB 中，数据按对象、类组成一个网络层次型数据结构模型，对象 ( 类 ) 间通过消息产生联系，对象( 类 )具有封装性和属性的可继承性等特点。

面向对象数据模型体现了面向对象技术在客观事物的模型化过程中的运用。面向对象技术是一种系统设计和开发的方法，有助于简化复杂系统的构造过程，而这种技术也使得面向对象数据模型具备了较强的抽象能力，使其能够以最为自然、最为贴切的方式表现各类媒体对象。

抽象数据类型、继承和对象标识是面向对象数据模型的三个最为基本的概念。



面向对象数据模型可以将任何一个客观事物 ( 如声音、图片、文字、汽车、树木等 ) 抽象为对象，对象具有状态及行为两方面特征，而由具有相同特征的对象所构成的集合则可用抽象数据类型表示。抽象数据类型具体定义了某类对象同其环境之间的接口，数据部分表示对象的状态特征 ( 一般称私有成员 ) ，而操作部分则表示对象的行为特征 ( 一般称公有成员 ) 。

抽象数据类型可由面向对象编程语言中的类 (Class)

来实现。一方面，类将数据及相关的各类操作紧密地结合在一起，使之成为一个独立的实体；另一方面，类还可以限制外界所能访问的数据或操作。前一特征被称为封装 (Encapsu

lation) ，而后一特点则被称为信息隐藏 (Information Hiding) 。



对象标识是面向对象数据模型的另一个重要概念。对象标识是一种使一个对象有别于其他对象的标记，也就是说，不同的对象拥有不同的对象标识。在面向对象数据库系统中，对象标识由系统自动生成及维护。一个存于数据库系统的对象，它的标识不发生任何变化，当它被删除后，它曾经拥有的标识也不再被用来标识其他对象。

抽象数据类型和对象标识使得面向对象数据模型较其他数据模型更能够有效地表示聚集实体 ( 如多媒体对象 ) ，也就是说，面向对象数据模型具有了很强的聚集能力，而继承则使得面向对象数据模型具有了很强的归纳 /限定能力，而这种能力则是表示多媒体对象的异构性特点所必需的。



继承是一种在某一类定义的基础之上构造新的类定义的手段。原有的类定义称为基类，新定义的类称为基类的派生类。派生类又能够被用来构造其他的派生类，由此可以形成一个类的继承层次，如图 9-12 所示。派生类一方面共享了基类的数据结构及应用代码，反映了抽象数据类型间的共同特点；另一方面又包含了一些新的数据结构及操作，反映了抽象数据类型间的差异。即从编程方法的角度来看，继承反映了类之间数据及代码的共享关系，而从抽象的角度来看，继承反映了不同类型对象间的状态及行为特征上的共性及差异。继承使面向对象数据模型具有了归纳 /限定的抽象能力，从派生类到基类是一个归纳的过程，从基类到派生类是一个限定的过程。



图 9-12 类的继承层次

ÈË

Ñ§Éú¹«Ë¾Ö°Ô±

ÏúÊÛÈËÔ± ¹¤³ÌÊ¦ ÎÄÔ± ÖÐÑ§Éú ´óÑ§Éú

ÏúÊÛ¾ Àí ÏîÄ¿¸ºÔðÈË

µØÇøÏúÊÛ¾ Àí



多态是与继承紧密相关的另一个重要概念，它可被用来表示对象在行为方式上的差异。具体地讲，不同的数据对象可以具有相同的行为，但却有着不同的行为方式，而多态与继承则赋予了面向对象数据模型表示这种现象的能力。以图 9-13 所示的连续媒体对象的继承层次为例，虽然不同的连续媒体对象都具有播放 (即图中 P

lay) 行为，但是声音对象、视频对象和动画对象的播放行为有着不同的实现方式。从图 9-13 可以看出，面向对象数据模型利用基类表示了不同连续媒体对象的共同行为，进而在生成类中以不同的代码来具体实现连续媒体对象在行为方式上的差异，这就是多态。



图 9-13 继承与多态

Á¬ÐøÃ½Ìå

Private£º

Public£º

Play

Private£º

Public£º

Play

Private£º

Public£º

Play

Private£º

Public£º

Play

ÊÓÆµÃ½Ìå ¶¯» ÉùÒôÃ½Ìå

¡ ¡

¡

¡ ¡ ¡ ¡ ¡ ¡

¡ ¡ ¡



9.8.2 超文本模型超文本模型的基本结构是网状的，是由结点和链组

成的有向图。结点和链是超文本模型中的两个核心概念。结点是信息单位 ( 信息元 ) ，链用来组织信息，表达信息间的关系，把结点连成网状结构。基于包括不同媒体的结点，链也可以用来表示多媒体之间的时空关系。

多媒体数据的超文本 ( 超媒体 ) 模型作为一种层次网络状的结构模型，是多媒体系统最常用的数据模型，并且目前实现超文本和超媒体的工具很多，常用的有 Autho

ware 、 Iconauther 、 Multimedia 、 Toolbook 等。



9.8.3 多媒体数据的文献模型多媒体数据的表示和组织除了超文本模型之外，

还有一些其他的模型，如文献模型、信息元模型、表现和同步模型等。

1．多媒体数据的文献模型概述这里所讲的文献与通常理解的常规文献 (例如：

一册书、一篇文章、一本杂志 ) 不同，常规文献的内容由文字信息组成，因此内容组织和版面安排都比较简单。而对于多媒体文献来说，内容由多种信息载体组成，它们可以是文字、图形、图像、视频、动画、音频等片段，内容丰富多彩，版面表现生动活泼，因此，内容组织和版面安排都比一般文献复杂。



但作为文献模型来说，其内容通常组织成层次性结构，其主结构是树形的。相应地，版面安排也层次化，以便与内容组织对应。下面以办公室文献结构(the Office Document Architecture ， ODA) ，为例来介绍多媒体文献模型。

2． ODA 文献模型ODA 文献模型是层次的、面向对象的，文献的

结构以树型给出。它的内容完全存放于页块对象中。



一个 ODA 文献由两个结构来描述。一个是逻辑结构，主要用来表示文献的内容层次。它首先按文献的内容划分成逻辑对象，一个逻辑对象可以是一个一般项，如书中的章、节、标题、段落或参考资料等。另一个是布局结构，主要用来表示文献的版面安排。它按文献的内容划分成页、框架和块等来描述。

例如，我们把一本教科书看作一个文献，则它的逻辑结构层次为教科书、章、节、小节、段落，即文献由若干章组成，每一章由若干节组成，每一节又包含若干小节，每小节含有几个段落，每个段落描述了具体事物的有关内容，可以是一段文字、一幅插图、或为一章表格等，在多媒体电子文献中，则可以为一段话音旁白、一曲音乐、一幅动画、甚至为一段录像等。



段落一般为一个页块对象。教科书的逻辑结构如图 9-14 所示。对于在文献中的每个非页块对象必须定义一个属性，用来说明该对象与它的下层子对象之间的从属构成关系。这些属性有：

(1) OPT—— 表示任选；(2) REQ—— 表示要求；(3) REP—— 表示重复；(4) SEQ—— 表示以给定顺序出现；(5) AGG—— 表示以任意次序发生；(6) CHO—— 表示只能有一个被选中。



图 9-14 教科书的逻辑结构示意图

Á¬ÐøÃ½Ìå

Private£º

Public£º

Play

Private£º

Public£º

Play

Private£º

Public£º

Play

Private£º

Public£º

Play

ÊÓÆµÃ½Ìå ¶¯» ÉùÒôÃ½Ìå

¡ ¡

¡

¡ ¡ ¡ ¡ ¡ ¡

¡ ¡ ¡



9.8.4 表现与同步模型

表现是多媒体信息系统的一个重要特征，而多媒体数据和信息在表现时的一个重要特征是时空特性。或者说，正是由于多媒体数据本身的强烈时空特性，使得表现成了多媒体系统中的一个突出特点。

1. 表现

表现意味着一次活动，活动需要一定的时间和空间，复杂的活动需要计划、安排，而且通常以时间为线索予以安排。以时间为线索安排复杂活动，关键是确定复杂活动内部各子活动的起始、中断、继续、终止等动作，这就是同步问题。多媒体因其“多媒体”性而成为复杂活动，以时间为线索来安排多种媒体的合成表现，便是多媒体同步问题。表现通常有以下概念需要了解：



(1) 演员 (Actor) ：即通过各种媒体进行传播信息的实体，包括文本、图形、图像、表格、程序、视频等。

(2) 角色 (Role) ：即多媒体表现环境中的各种资源。一般常有视角色、听角色、运算角色等几种。视角色即显示窗口，可以有多个听角色即声音通道 ( 如 PC扬声器，声霸卡等 ) ，运算角色则就是处理任务了。角色可由不同演员按规则依时间轮流占用。

(3) 活动 (Action) ：即多媒体表现环境中预定义的多媒体表现的空间和时间序列引起发生的事件。由演员的活动表现出的对象的行为构成具有某种含义的事件。活动又分为原子活动和复合活动，原子活动为不可再分的活动，内部无同步点，而复合活动内部要遵从特定的同步次序。



2. 空间合成空间合成确定的是各种媒体在空间上位置的变换

和安排。所谓空间，是指包括显示空间和声音空间的视听空间。这样，声音也便具有一定空间位置，对于显示空间，则通过各种空间操作原语实现对各种媒体的变换和安排。

3. 时间合成时间合成确定的是多媒体对象在时间上的顺序。

时间关系一般可用 before 、 meets 、 overlap 、 during 、start 、 finishes 和 equals 及其逆关系来表示。时间合成就是要在时间关系的基础上实现多媒体之间的同步。



多媒体对象在时间上的并行、顺序、独立关系，在对象时间表现控制上分别对应于并发、串行、异步 ( 任意 )执行。例如，考虑一个多媒体幻灯片的表现，在该应用中，要对一组图像进行口头讲解，就要求音频必须在图像出现之后再出现，而且只有在一幅图像的音频表现完以后才可出现下一幅图像。这种情况下的同步点处于图像段的改变点和讲解的起始点及结束点上，这是对象之间的粗略同步。在另外一些应用中，如可视电话，要求更高精度的同步，音频和视频必须同步表现在接受端上以确保口型与声音的同步。这种情况从开始点到结束点的整个过程中均要求同步，是连续同步，又称流同步。而前一种情况，对象之间的同步是在开始点和结束点指定同步点，也就是在对象之间人为产生时间关系，称为人为同步。



9.8.5 多媒体数据的信息元模型1. 多媒体信息元模型概述多媒体信息元模型是一种从多媒体信息元入手的数

据模型。信息元是一种标准的、公共通用化的、其上层各类多媒体应用都可调用的对象。从其上层来看，多媒体信息元是具有一定语义的组成信息系统应用的信息子块，而从其下层来看，它则是一个或多个媒体数据元经过包装而合成的数据元。因此，信息元是多媒体应用与多媒体数据之间建立的一个中间层次。信息元的大小由各种多媒体应用的公共需求来决定。多媒体信息元模型更有利于多媒体数据与信息之间的交互和通信。



多媒体信息元具有以下三个特征：

(1) 数据元本身的组织附加其表示属性——单媒体对象的表现 ;

(2) 多个数据元的时空同步关系描述——多媒体同步 ;

(3) 成分之间的链接描述——基本链接功能。

2. MHEG标准

MHEG(Multimedia and Hypermedia information coding Expert Gro

up) 是一种有关多媒体和超媒体的编码国际标准。 MHEG 的目的是为在不同领域里开发多媒体和超媒体应用定义一个公共基础，这个基础就是多媒体信息元的规范化表示；使不同的多媒体应用可以使用它们，并对其进行处理和交换。 MHEG标准采用面向对象的方法来分析和设计模型。



9.8.6 超文本在万维网中的应用Internet 的迅猛发展是上世纪末和本世纪初影响

人类生活的最重要的事件之一。万维网 (World Wide We

b) 是 Internet 在多媒体方面获得的最本质的发展，它使人们从电子邮件的应用进入到对全球信息资源的共享应用阶段。人们只要在用户端使用浏览器，便可在 Interne

t连接的计算机终端的显示屏上读取自己所需要的文献，尽管该文献存储在数千里之外的服务器中。目前常用的浏览器主要有微软公司的 Internet Explorer 和网景公司的 Netscape Navigator两种。



1. 编写超文本文件实例

在万维网中，存取的单位是 Web页，而它是一个超文本文件。编写超文本文件必须使用 SGML(Standard Generalized Markup Language)

标准符号语言。目前属于 SGML语言的有 DTD 、 HTML 、 JAVA 、X-Dimension 等。也可以使用网页制作软件编写超文本文件，例如 Front

Page 等。以下我们以 HTML(HyperText Markup Language ，超文本描述语言 ) 为例来说明编写超文本文件的过程。

HTML 所编写的文件是文本方式的，因此，可以用任何文本编辑器来编写它 (例如： Word 、 Notepad 等 ) 。在编写过程中，可以随时通过浏览器来观察编写效果。当 HTML 文件被修改后，只要返回浏览器并且重新装载该文件，所做的修改就能反映在显示器屏幕上。



HTML 最吸引人的是它能够与其他文件的全部或部分 ( 包括图像和图形 ) 相链接。浏览器用颜色加亮或在该区域划线方法来指示超文本链接。 HTML 超文本链接的标志是 A ，它是锚 (Anchor) 的首写字母。在HTML 文件中设置了很多“锚”，并指示出了它所抛向的目的地。只要用鼠标器在标志 A 上点一下，就实现了超文本的链源与链宿的链接。

HTML 可以通过 Java编程进行插入式链接，使一些文件可以与 HTML 文件实现动态链接，从而可以播放声音、音乐或视频片断。

超文本经过 HTML 描述后，不但文字内容有排版美化的效果，更重要的是它改变了以往平面文件的浏览方式，让人们处于立体化的广阔世界。

下面是一个用 HTML编制 Web页的实例程序。画廊 .HTML

<html>

<head>

<title>画廊 </title>

</head>

<body background="Ground. jpg">

<img src="Blueball.gif" alt="Blueball.gif (1044 bytes) "

align="middle" width="20" height="20">

<ahref="file:// /c:/Front page%20 web/Content /Paullee web /

It 09-021.jpg">

 圣母 </front> </a> 

 <img src="Blueball.gif" alt="Blueball.gif (1044 bytes) "

align="middle" width="20" heigh="20">

<ahref="file: // /c: /Front page%20 web/Content /Paullee web /It 12-011.jp

g">

 阿波罗与达芙妮

 </front> </a> 

 <img src="Blueball.gif" alt="Blueball.gif(1044 bytes) "

align="middle " width= "20" heigh="20">

<ahref="file: // /c: /Front page%20 web/Content /Paullee web /It 13-071.jp

g">

 维纳斯的诞生

 </front> </a>

<img src="Blueball.gif" alt="Blueball.gif(1044 bytes)"

align="middle" width= "20" heigh="20">

<ahref="file: // /c: /Front page%20 web/Content /Paullee web

/It 13-061.jpg">

 年轻男子肖像 </front> </a>

<img src="Blueball.gif" alt="Blueball.gif(1044 bytes)"

align="middle" width= "20" heigh="20">

<ahref="file: // /c: /Front page%20 web/Content /Paullee web

/It 11-021.jpg">

 青年女子肖像 </e

m> </front> </a> 

</body>

</html>



上面这段程序是“艺术画廊” Web 主页的部分程序，在计算机上用浏览器来观察这个程序，就能看到 5幅古典名画图像。

2. 超文本通信协议超文本通信协议 HTTP(Hyper Text Transfer Proto

col) 是在 Internet环境下使用万维网 (WWW) 的标准化协议。浏览器 /服务器 (Browser/Server) 方式是在客户 /

服务器 (Client/Serve) 方式基础上发展起来的一种适合于多媒体环境下的一种网络应用结构。它把全世界数以千计的多媒体数据库接入WWW ，并以超文本方式链接起一个全球范围内的多媒体数据仓库。



用户通过联网的计算机，在 http 超文本传输协议下，通过 Web Browers软件，借助于鼠标器来浏览WWW 上的信息，共享 Internet 上的无限的信息资源，同时也能快速地向外发布内部的信息数据，使世界在空间上进一步缩小。

第 9 章多媒体数据库技术

Documents

Transcript of 第 9 章多媒体数据库技术

第 9 章 多媒体数据库技术

Documents

Transcript of 第 9 章 多媒体数据库技术

第 9 章多媒体数据库技术

Transcript of 第 9 章多媒体数据库技术