Βάσεις εδοµένων & Πολυµέσα Κουρέλης Στάθης Παρουσίαση πρακτικού µέρους 4ης εργασίας Καθηγητής: κ. Στυλιαράς Γ. Αθήνα - Απρίλιος 2009
Εισαγωγή Οι Βάσεις εδοµένων Πολυµέσων παρέχουν χαρακτηριστικά που επιτρέπουν στους χρήστες να αποθηκεύουν και να κάνουν επερωτήσεις σε διαφορετικούς τύπους πληροφοριών πολυµέσων, που περιλαµβάνουν: Εικόνες (φωτογραφίες, σχέδια κ.λ.π) Ακολουθίες βίντεο (ταινίες, ειδήσεις κ.λ.π) Ακολουθίες ήχων (τραγούδια, τηλεφωνικά µηνύµατα, ή αγορεύσεις) Έγγραφα (βιβλία, άρθρα).
Τύποι εδοµένων Πολυµέσων Κείµενο (SGML, HTML) Γραφικά (CGM, postscript ) Εικόνες (bitmap, JPEG, και MPEG ) Κινούµενα Σχέδια Βίντεο (30 frames/sec) οµηµένος Ήχος Ήχος Σύνθετα ή Ανάµεικτα εδοµένα Πολυµέσων
Ανάκτηση Βασισµένη στο Περιεχόµενο (Content based retrieval): Oι χρήστες ψάχνουν την αποθήκη πολυµέσων που παρέχει τις πληροφορίες µε βάση το πραγµατικό περιεχόµενο της εικόνας, του ήχου, ή της κινούµενης εικόνας. Η µηχανή αναζήτησης µεταφράζει τις αναγκαίες πληροφορίες µε κάποιο τρόπο ώστε να ρωτηθεί η Βάση εδοµένων και να ανακτηθούν τα «υποψήφια» δεδοµένα που ικανοποιούν το αίτηµα του χρήστη.
Ανάκτηση Εικόνας Βασισµένη στο Περιεχόµενο (CBIR) Χρήση σε εκδόσεις, ιστορική και ιατρική έρευνα, διαφήµιση, γραφικές τέχνες, αρχιτεκτονικό και µηχανολογικό σχέδιο, πρόληψη εγκλήµατος, Παγκόσµιο Ιστό κ.α. Χαρακτηριστικά πρώτου επιπέδου:χρώµα χρώµα, υφή και σχήµα. Συνήθως τα συστήµατα αυτά δουλεύουν µε ανίχνευση-βασισµένη βασισµένη-σε-παράδειγµα.
Σχεδιάγραµµα Λειτουργίας Συστήµατος Ανάκτησης εικόνες εξαγωγή γνωρισµάτων γνωρίσµατα δηµιουργία ευρετηρίου ανάκληση εικόνας αριθµός εικόνας σύγκριση/ ταίριασµα δόµηση ευρετηρίου αποτελέσµα ερωτήµατος φυλλοµέτρηση γνωρίσµατα ερωτήµατος παρουσίαση εικόνας άµεσο ερώτηµα εξαγωγή γνωρισµάτων διαµόρφωση ερωτήµατος ερώτηµα µε παράδειγµα ερώτηµα εικόνα/σχέδιο
Συστήµατα Ανάκτησης Εικόνων µε ALISA BLOBWORLD COUGAR MARS PHOTOBOOK QBIC SIMPLICITY VDBMS Βάση το Περιεχόµενο:
ALISA (Adaptive Learning Image and Signal Analysis) Εξάγει χαρακτηριστικά για: - χρώµα - σχήµα - δοµή Ο αλγόριθµος του εκπαιδεύεται να αναγνωρίζει νέα σχήµατα ή δοµές µε λίγες µόνο εικόνες ιαφορετικές επιτυχηµένες εφαρµογές Χρησιµοποιείται σε βιοµηχανικές εφαρµογές
BLOBWORLD Εξάγει χαρακτηριστικά για: - χρώµα - σχήµα - υφή - θέση Ο χρήστης έχει τη δυνατότητα καθορισµού της βαρύτητας κάθε χαρακτηριστικού για την εικόνα που αποτελεί παράδειγµα κατά την αναζήτηση
COUGAR
MARS (Multimedia( Analysis and Εξαγωγή χαρακτηριστικών είτε από το σύνολο της εικόνας είτε από τµήµατα της εικόνας Ο χρήστης καθορίζει τη βαρύτητα των χαρακτηριστικών και αναπροσαρµόζει το ερώτηµα. Retrieval System)
PHOTOBOOK Εξαγωγή χαρακτηριστικών µε βάση: - το σχήµα - την υφή Η τεχνολογία του για την ανίχνευση προσώπων χρησιµοποιείται σε αστυνοµικά τµήµατα
QBIC (Query By Image Content) υνατότητα ανάκτησης µε τη χρήση χαρακτηριστικών για: - χρώµα - υφή - σχήµα και µε λέξεις κλειδιά Εµπορική εφαρµογή
Παράδειγµα Ανάκτησης Εικόνων στο QBIC µε Βάση το Χρώµα
SIMPLIcity (Semantics-sensitive sensitive Integrated Matching for Digital Picture) κατάτµηση των εικόνων και ανίχνευση χαρακτηριστικών από τις περιοχές που προκύπτουν αναφορικά µε: - το χρώµα - τη δοµή - το σχήµα - τη θέση σηµασιολογική ταξινόµηση
VDBMS (Video Database Management System) Bίντεο-σύστηµα διαχείρισης βάσης δεδοµένων το οποίο επιτρέπει την διαχείριση των πληροφοριών µιας βάσης Κατά την επεξεργασία του βίντεο εξάγονται χαρακτηριστικά που ευρετηριάζουν περιεχόµενο βίντεο.
Χωρικές Βάσεις εδοµένων (GIS) Οι χωρικές βάσεις δεδοµένων υποστηρίζουν έννοιες για βάσεις δεδοµένων που καταγράφουν αντικείµενα σε ένα πολυδιάστατο χώρο και αποθηκεύουν αντικείµενα που περιγράφονται µε χωρικά χαρακτηριστικά. Παραδείγµατα: χαρτογραφικές βάσεις δεδοµένων που αποθηκεύουν χάρτες, µετεωρολογικές βάσεις δεδοµένων για καιρικές πληροφορίες Οι χωρικές συσχετίσεις µεταξύ των αντικειµένων είναι σηµαντικές, και συχνά είναι απαραίτητες όταν γίνονται επερωτήσεις στη βάση δεδοµένων.
Κατηγορίες Τυπικών Χωρικών Επερωτήσεων: Επερώτηση διαστήµατος Επερώτηση για τον κοντινότερο γείτονα Χωρικές συνενώσεις ή επικαλύψεις
Συµπέρασµα Στα επόµενα χρόνια τα πληροφοριακά συστήµατα πολυµέσων αναµένεται να κυριαρχήσουν στην καθηµερινή ζωή. Τα σπίτια µας θα έχουν δικτυωθεί µε διαθέσιµο εύρος που να µπορεί να αντιµετωπίσει αλληλεπιδραστικές εφαρµογές πολυµέσων. Οι υψηλής ευκρίνειας σταθµοί εργασίας τηλεοράσεις/υπολογιστές θα έχουν προ-σπέλαση σε ένα µεγάλο πλήθος βάσεων δεδοµένων, συµπεριλαµβανοµένων των ψηφιακών βιβλιοθηκών που θα κατανέµουν µεγάλες ποσότητες περιεχοµένων πολυµέσων από πολλές πηγές.
Βιβλιογραφία-Links Elmasri R. NavatheS NavatheS.B., Θεµελιώδεις Αρχές Συστηµάτων Βάσεων εδοµένων, Τόµος Β, 5η Έκδοση, Εκδ. ίαυλος,, 2007 Ψηφιακή Βιβλιοθήκη Ιόνιου Πανεπιστηµίου http://dlib.ionio.gr Πανεπιστήµιο Cornell - www.cs.cornell.edu