音频检索方法的研究.pdfVIP

维普资讯 长江大 学学报 (自然科 学版) 2008年 6月 第 5卷 第 2期：理工 JournalofYangtzeUniversity(NatSciEdit) Jun．2008。Vo1．5No．2：Sci Eng ·89 · 音频检索方法的研究 钟宝荣 ，吴春辉 (长江大学计算机科学学院，湖北荆州434023) 杜 红 (长江大学电子信息学院，湖北荆州434023) [摘要]音频检索技术是多媒体检索技术 中的一个重要组成部分，但在多媒体流 中基于 内容的音频检索工 作做得很少 。将分析音频信号的特征，通过对基于 内容的检索技术 的讨论 ，提供一种通过声学特征的相 似 性来检 索音频文件 的方法。在检 索过程 中，把 不 同的音 频文件 组合 成 音频 文件 库，呆 用模糊 统计 的方 法 ，对相似性进行分析，达到对不 同内容的音频检索。 [关键词]音频检索；CBR；模糊统计；音频 ；相似性 [中图分类号]TP391．4 [文献标识码]A [文章编号]1673—1409 (2008)02一N089—03 随着现代信息技术和存储技术的快速发展 以及 www 的迅速蔓延 ，使得人们在 日常生活中能更加 频繁地 、方便地接触到数字媒体 ，多媒体数据也 已经成为互联 网信息高速公路上所传送数据 的主要部 分。在多媒体系统中，语音和音乐是不可少的。声音是人们最熟悉最习惯的传递信息方式 ，声音媒体是 除视觉媒体外最重要 的媒体 ，它 占有总信息量 的2o 左右 ，其中语音和音乐又是最常见 的声音媒体形 式 ，人们在 日常生活 中所面临的问题不再是缺少多媒体 内容 ，而是如何在多媒体世界中找到 自己所需要 的信息 。为了能够方便人们寻找多媒体数据 ，近年来 ，国内外在多媒体数据库技术的研究 中出现 了一个 新热点，即基于内容的检索技术 CBR (ContentBasedRetrieva1)。该技术是继基于内容的图像检索之后 发展起来的一个新兴研究方向，它通过音频特征分析 ，对不 同音频数据赋以不同的语义 ，使具有相同语 义的音频在听觉上保持相似 。 1 音频检索 1．1 音频检索的处理过程 通过对语音或音乐这样 的音频信号进行特 征表示l1]，不断通过特征 的相似 匹配来修正特 征 的表示形式 ，以期得 到音频信息 的检 索结 果_l2]，其处理过程如 图1。 基于 内容的查询和检索是逐步求精的过程 ， 存在一个特征调整和重新匹配 的过程 ：①用户 提交查询 ，用户利用系统提供 的查询方式形成 查询条件 ；②将查询特征与数据库中的特征按 照一定的匹配算法进行匹配 ；③满足一定相似 性的一组候选结果按相似度大小排 列返 回给用 户 ；④对 系统返 回的一组初始特征的查询结果 ， 用户可 以通过遍历 (浏览)挑选 出满 意的结果 ， 图 1 基于 内容的音频检索过程 也可以从候选结果 中选择一个示例进行特征调 整，形成一个新 的查询 ，这个过程可以多次进行 ，直到用户对查询结果满意。 [收稿 日期]2008—02—23 [基金项 目]湖北省教育厅优秀 中青年科技创新 团队计划项目 (鄂教科 2004—7—4)。 [作者简介]钟宝荣 (1963一)，男，1986年大学毕业 ，硕士，副教授，现主要从事数据库、网络与通信方面的研究工作。 维普资讯 长江大学学报 (自然科学版) 2008年 6月 1．2 特征提取 基于内容的音频检索技术主要分为 3大部分：音频内容 的获取 、音频内容的描述 (音频特征提取) 和特征相似度匹配。音频内容描述即音频特征提取 ]是整个基于 内容的音频检索技术的核心技术。音频 内容描述是在音频内容获取的基础之上进行的，同时是进一步进行音频特征相似度匹配的必要前提。特 征提取指的是寻找原始音频信号的表达形式 ，提取能代表原始信号的数据 。要抽取特征和属性 ，通常要