用影像扫描存贮非结构化信息

1　问题提出 　　煤炭科技期刊、会议论文、科学报告等多数仍以传统的纸介质的书本方式存在，查找、翻阅 很不方便，存贮、保管耗费大量的人力和物力。传统的信息贮存和检索方法是将搜集到的原 始文献进行主题概念分析、加工整理，生成二次检索工具，形成二次文献信息产品，使科技 人员可以在浩瀚的信息海洋中查询到自己需要的内容。 我们可以把科技信息划分为结构化信息与非结构化信息。结构化信息是可以数字化的数 据信息，可以方便地通过计算机和数据库技术进行管理。无法完全数字化的信息称为非结构 化信息，如文档文件，图片、图纸资料、缩微胶片等。这些资源中拥有大量的有 价值的信息。现在这类非结构化信息正以成倍的速度增长，如果用以往的方 法来 管理这类文档，显然己无法适应现代科研机构、企业的需要，其洗劫式的人力、空间 、时间资源占用将极大地影响信息共享与利用。如何有效地保存、管理这些信息资源，充分 地利用已有的网络环境实现这些资源的轻松查询、高效共享与利用，真正发挥电子信息技术 的作用成为摆在我们科研人员的一个现实问题。 　　 2　解决方案 　　随着计算机技术的发展，外部存储设备的容量成倍地增加，而价格却急骤地下降，这样我们 可以采取新的存贮方式来对非结构化信息进行保存。现在流行的解决方案是将数据库技术与 计算机影像技术相结合，实现对原始信息资源的存贮。其具体步骤包括信息资料的整理，批 量扫描，索引建库，质量检查，资料复原及刻制光盘。 首先，将文献资料按一定顺序整理，可以按每篇文章作为一份，或一套资料作为一份，以便 在后续工序中作为处理的计算单位使用。 其次，用普通平板扫描仪或高速扫描仪等专业输入设备对每份文献资料进行扫描，形成计算 机的图形文件，对于以文字为主的原始资料，生成图形文件的存贮格式一般采用二值图的ti f格式，为了节约空间可以使用CCITT G3或G4等深度压缩格式，对于图形文件或有色彩要求 的文献资料，图形文件可采用压缩格式如jpg格式。如果资料数量较大，应采用高速 扫描设备，如富士通公司生产的高速扫描仪，从25页/min到320页/min(双面)不等。可满 足不同应用的需求。影像是每页纸生成一个图像文件，其文件名称和图像文件所处的目录按 一定的存贮规则进行 保存。在从数据库中检索到某篇文献后，依此规则进行影像调阅。 在文献资料扫描的同时，对影像文件压缩存贮并建立索引(如文章的篇名、作者、索 引号、关键词、文摘等)。索引的内容保存在数据库中，库的格式可以是access或自定义格 式，其中的索引号是反映存贮规则的信息，根据它可以找到本文献所处的位置，以及它的起 始页和终止页。 如影像文件的数量非常大，我们可以更进一步利用光盘库、光盘塔等海量存储设备将其分类 存储在局域网的数据服务器上，也可根据需要发布到web服务器上。在局域网或互联网上进 行检索、调阅，实现信息共享。 影像信息管理系统的软件可分为二个模块。第一个模块为检索模块，其功能是摘要内容的分 项检索及全文检索。分项检索就是检索内容只包含于库中的某个或某些字段中，例如，规定 检索 内容只包含在篇名或作者项中的为符合检索条件的记录。通栏检索是检索内容可包含于任何 字段中。在分项检索和通栏检索中还可增加逻辑关系。 第二个模块是影像调阅。按索引号进行影像内容的显示。可以识别多种格式影像文件；有向前、向后翻阅，打印等功能。 此软件根据应用环境不同可分为单机版和基于浏览器检索调阅的网络版，以实现扫描影像 信息的有效管理和广泛共享。此系统可应用于煤炭系统的电子图书馆的建设、科技档案、财 务票据的信息管理中，以及公司企业的办公文档计算机信息管理中。 　　3　应用实例 　　《煤炭科学技术》、《煤炭学报》、《洁净煤技术》30年光盘版，利用扫描、建立索引 ，调阅影像实现了期刊电子化。煤炭信息研究院拥有大量国外煤炭科技期刊资料，为了便于 管理和查阅，将馆藏的1998年国外煤炭科技期刊，扫描、建库，其有7万多页，可实现篇名 、作者、期数及自由词检索。为建设煤炭电子图书馆向前迈进了一步。《煤矿安全》、《大 屯煤炭科技》、《选煤技术》、《晋煤科技》等一批煤炭科技期刊也相继制成了从创刊至今 的影像光盘珍藏版。 　　4　发展趋势 　　（1）互联网飞速发展，影像扫描的文档管理系统心须向互联网的方向发展，需实现互联网 上的登录、注册、检索、调阅等功能。实现更大范围内的知识共享、信息共享。 （2）在影像的调阅中，嵌入OCR功能。使用OCR功能让用户在阅读图像原文的过程中随时将 感兴趣的内容转换成文本格式，以方便读者的编辑利用。 （3）实现图像检索。此功能是直接对图像内容进行检索，保证检索的准确和全面，这 也是当前对图像处理的前沿课题。 信息来源于：煤炭科技