PDF《Ps22Pdf》

1 基于内容的 Web 图像检索 通用 Web CBIR 模型如图

1 所示.CBIR 本身需 解决两 个 主要问题, 即基于图像自身内容的特征提取和相似度匹配.常 用的图像内容特征包括视觉 内容特 征, 如 图像的 颜色分 布、 纹・981・第11 期 黄慧汇等: Web 环境下基于移动多 Agent 技术的 CBIR 系统 理结构、 轮廓及空间关系等, 以及图像的语义特征, 如图像所描 述的物体对象等.根据上述内容特征, 首先对图像库中的图像 预先进行分析, 将提取出的特征信息存入与图像库相连的特征 索引库中.采用 示 例图 像 查 询方 式时, 对给 定查 询图 像进行分析, 选择合理的特征 提取方 式, 再 将提取 的特征 信息与 特 征库中的特征进行相似度匹配, 根据匹配结果到相关图像库中 搜索提取出目标图像. 由此可知, 检索的关键 在于以 下四个 方面: ①选取 恰当 的 图像特征;

②准确表达图像 特征信 息;

③采取 有效的 特征提 取 方法;

④寻求高效的特征匹配算法. 本文 在集开 放性和 通用性 于一体 的Web 环 境中, 要实 现CBIR, 一方面需解决由 分布 式甚 至异构 性网 络 环境 带来 的检索中的通信问题;

另 一方 面需 考虑 如何充 分利 用Web 平台 丰 富的分布式计算 资源 以提 高CBIR 的效 率和 可靠 性[4] .而基于移动 Multi-Agent 的分布计算模式则为解决 这些问 题提供 了 可行思路.

2 移动 Multi-Agent 技术 Agent 理论和技术的研究最早起源于分布式人工智能(Distributed Artificial Intelligence, DAI) , 目前Agent 在分布式计算中具有重要作用.Agent 是在复杂动态环境中能自治地感 知环境并能自治地通过动作作用于环境, 从而实现其被赋予的 任务或目标的 计算 系统[5, 6] .换 言之, Agent 常 指代 表用 户或其他程序, 以主动服务的 方式完 成一组 操作的 机动计 算实体. 因此 Agent 具有四个基本特性: ①自治性, Agent 的运行不 受人 或其 他Agent 的直接 干涉, Agent 对自 己的内 部状态 和动作 有 一定的控制权;

②社交 性, Agent 可 以通过 某种 Agent 语言 ( 如KQML 语言) 与其他 Agent 或 人进 行交 互;

③ 反应 性, Agent 能 够感知环 境, 并 能及时作出 反应;

④ 自发性, Agent 能够展 现出 一种导向目标的行为.此外, 再根据其具体情况而具有其他特 性, 如移动性、 自适应性和持续性等. Multi-Agent 系统( MAS) 是由多个 相互作用、 相互 联系的Agent 构成的自主系统.协调、 协作求解问题是 MAS 的主 要研 究内容.MAS 为实现特定任务, 系统中各 Agent 必须能彼 此通 信和相互协作.由于同一 MAS中 允许 Agent 异构, 因此 Multi- Agent 技术对于复杂系统具有强 大的表 达和求 解能力, 它为 各 种分布式开放系统的研究提供了统一的框架模型.其中, 移动 Multi-Agent( Mobile Multi-agent) 是MAS 研 究的 热点.移动A- gent 实际上是传统的 C/S 分布计算的一种交互扩展方式, 称为 远程程序设计( Remote Programming, RP) .它 同样是 代码和 数 据的软件实体, 但不同的 是它可 在执行 过程中 有目的 地、 自治地在网络中移动并连续运行, 以充分利用与分布资源的局部交 互而完成分布任务.这种 灵活的 网络环 境, 为Internet 下的 分 布式应用程序提供了很多潜 在的优 点, 如更好 的灵活 性、 高效性、 可靠性和智能性.

3 基于移动 Multi-Agent 技术的 CBIR 系统体系结构 Web 下的 CBIR 系统可视为各种自治且相 互通信 的Agent 个体共同构成的 Agent 社会, 其 中每 个Agent 实现CBIR 的某种特 定功能, 所有 Agent 相 互协调、 共同 作用就 可有效 地实 现Web 图像 检索.根据OO 的 思想, 我 们提 出了 Web 环 境下 基 于移动 Multi-Agent 的CBIR 系统模型.系统中各 Agent 只提供 与其他 Agent 相联系的固定接口, 隐藏了其 内部实现细 节.整个CBIR 系统包括以下六类功能不同的 Agent( 见图 2) . ( 1) 用户接 口Agent ( User Interface Agent, UIA) .UIA 为 图像检索提供良好的人机 接口.它将 用户输 入的查 询信息 转 换为系统可接收的参数.查询信息包括文本关键字、 示例图像 及相应的 QoS 指标, 如最大允许 响应时 间、 图 像匹配 数量及 阈 值设定等.UIA 还允许用户对检索后反 馈的图 像的 Web 地址进行随意浏览, 同时允许用户进行交互式查询. ( 2) 图像 搜索Agent ( Image Search Agent, ISA) . 它是该CBIR 模型的核心, 直接实施 CBIR 图像检索.每个 ISA 都封装 了不同的图像检索策略, 实现相 应的特 征提取 与相似 度匹配. 这些检索策略包 括了 基 于图 像低 层 次的 视觉 内 容特 征, 如颜色、 纹理、 形状及空间关系等, 也包括了基于图像较高层次的语 义特征.ISA 均由移动 Agent 实现, 它们能够自我复制, 并根 据 需要在外界信息的协助下自主 地在异 构网络 中移动 到目标 图 像库, 从而可在数据源所 在节点 处进行 快速的 本地图 像匹配, 避免了检索时频繁的网 络信息 交换.同时 各ISA 之间 可相 互 协作, 实现图像的复合检索. ( 3) 搜索协调 Agent( Search Coordinator Agent, SCA) .它根 据查询目标的特点及用户给出 的查询 参数来 优化选 择图像 搜 索策略.如对于自然图像可采取颜色直方图策略, 或在频域着 重考虑其低频分量;