基于内容的细菌病毒检索系统设计(3)

2.2 爬虫子系统

除了以上两部分数据以外，还可以充分利用互联网平台提供的海量数据。目前已经进入大数据时代，去中心化的影响以及手机等移动通讯设备的普及，互联网上存储了各方各面的海量多媒体信息，擅于从海量数据中通过一定的方式获取可靠性较高的资源已经是很多行业的必备条件。而现有技术中，自动化程度较高、准确率较大、数据获取速度较快的技术就是爬虫。通过爬虫可以很方便的从互联网上获取大量有用信息。

这里采用的爬虫是BeautifulSoup+Urllib的组合。该爬虫支持分布式部署和多线程功能，可以快速获取大量感兴趣的文本、图片等信息，并且在获取信息的同时可以进行信息的数据清洗和数据分析工作，从而得到可靠性较高的病毒及细菌图片等信息。

因此可以采用爬虫的形式，爬取和致病性细菌、病毒相关的大量多媒体信息，对其进行数据预处理后，可以提取其中可靠性较高的图片等信息，将其导入原始图片库中。数据预处理操作包括：数据清洗，即滤掉爬取到的无关数据、不可靠数据、不全数据和重复数据；数据集成，就是将同类数据集中在一起，从中选出最清晰、最能代表某类病毒、细菌原始形状特征的图片信息。

2.3 特征提取子系统

特征提取子系统是为了从图片中提取出方便进行检索的隐含信息。这类信息是隐藏在图片中的，需要通过一定的方式来进行提取操作。具体信息包括：图片的纹理信息、颜色信息、形状信息等。

其中颜色信息是最简明的信息，在进行信息提取之前需要确定采用的颜色坐标系，这里采用通用的RGB坐标，即三原色组合：红、绿、蓝。具体的颜色特征[4,5]为采用颜色直方图结合颜色矩及局部颜色特征的方式进行描述。这里的颜色相关图就是指对图片中的颜色值进行概率密度分布的累计统计，即各种颜色值在图片中出现的次数统计。颜色的另外特征还包括颜色矩。这是对颜色分量的一阶矩以及二阶矩等进行计算后的统计。

以上特征提取方式是对整幅图片的统计分析。但细菌、病毒图片具有其自身的特点，就是其背景中包含很多无用信息。也就是说，病毒、细菌的真实信息和背景信息构成了整幅图片。因此需要对图片局部信息进行统计分析，才能得到真实反映病毒、细菌颜色特点的信息。这里需要用到的是图片的局部颜色特征。这个信息需要按步骤进行提取：首先需要对图片进行分割，在分割得到的区域中统计主要的颜色，将其作为该区域的主要特征。

颜色特征之外还需要提取图片的纹理信息。纹理信息[6]是图片局部重要的特征，可以用来对局部图片进行细节刻画。这里采用灰度共生矩阵纹理特征提取法作为纹理提取的主要方法，该方法统计主要是对图像规定距离的像素点间的灰度值的统计概率密度分布情况。以此来反映图片在某位置的细节特征。

除了以上两个特征外，还对图片的形状特征进行提取。由图1和图3看出，不同类型的细菌、病毒具有不同的形态或形状。因此若能通过一定的方式提取图片内前景部分代表的物体的形状特征[7]，也即是病毒、细菌的形态特征，必将对检索起到积极的作用。这里进行形状特征提取时采用的是傅里叶形状描述法。该方法是假设图片包围着图像对象，那么可以对图像对象的边界进行提取，具体采用傅里叶变换的方法。该方法可以产生非常多的参数，这些参数在频域可以表现出很多内容。比如系数中高频部分代表了待提取对象的很多细节信息，而低频部分代表了图像中对象的宏观特征。因此通过傅里叶变换的方式可以揭示出图片内主要对象边界也就是待检索病毒细菌对象的形状特征。

由于以上从病毒、细菌图片中提取的特征较多，因此需要对其进行简单的处理以方便检索。这里可以通过数据规约、数据规范化、数据降维实现。其中数据规约是整合去掉部分无用特征及数据的过程；数据规范化也是数据归一化，可以将待处理特征数据映射到0-1空间，从而方便后面的检索工作；数据降维是对特征数据进行维度约减，可以通过主成分分析等方式实现。

经过以上处理后的特征数据更加规范和有效，可以通过以上方式为进行基于内容的检索做好数据准备。

2.4 索引子系统

在病毒细菌图片导入数据库之后，即可对该图像进行基于内容的分析和比较。但由于图片类对象自身较复杂、特点较多的问题，导致数据库检索时耗费时间过长的问题。为解决该问题，索引的建立必不可少。通过事先建立的索引可以省去很多直接检索的时间花费。这里的索引计算可以通过自组织特征网络进行索引的建立和维护。自组织特征映射网络就先在一定的前提下对图片进行分类操作，然后进行距离合并运算，从而得到一个彼此相似度分析结果，在此基础上进行数据库索引的建立。

文章来源：《系统科学学报》 网址: http://www.xtkxxb.cn/qikandaodu/2021/0629/554.html