信息化條件下圖片資料檔案庫規范化建設研究

1 圖片資料檔案數字化建設的現狀和發展

當前，國內圖片資料檔案一般分為傳統的圖片底片檔案、紙質圖片檔案和數碼照片檔案，圖片底片和紙質圖片都是圖片資料檔案庫數字化掃描的重要對象。圖片資料檔案庫的數字化是提高工作質量和效率的必要手段。照片檔案實現電子化管理，一方面可以有效解決傳統照片檔案利用過程中復制繁瑣、檢索查找不便、破損照片修復方法復雜等問題，另一方面可以為檔案工作人員節省大量查閱時間，降低勞動強度，提高工作效率。另外，照片檔案可以直接成像傳輸而不受時空限制，便于利用，能夠充分實現檔案資源共享，以適應大數據社會時期高效利用的要求。圖片資料檔案庫的數字化還使原始照片底片得以安全保管保護，其保存和信息傳輸的便捷性也為異地異質備份打下了堅實的基礎。

隨著網絡技術和圖像處理技術的迅猛發展，基于內容的圖片資料搜索需求日趨增加，但即使像百度、谷歌等搜索引擎對圖片的搜索主要依賴于圖像的標注信息，搜索結果不盡人滿意，而手工進行圖像標注的方法工作量太大，不能滿足現實的需求[1]。當前已經有一些基于內容的圖像檢索系統等新興研究，通過分析圖像內容數據確定圖像的檢索信息進行檢索，促進基于圖像內容搜索技術的應用，帶來巨大的經濟效益，同時還能使人們生活方式發生變化產生社會效益。但是，目前一些應用比較好的圖片資料檔案數據管理系統，未能提供先進的規范化技術支持。另外，圖片資料檔案數據庫不夠標準化。首先現有特色數據庫軟件平臺不一，用戶檢索界面和檢索語言開發平臺不統一，給今后的資源整合與共享造成困難[2]；其次，在描述語言和標引語言方面沒有嚴格采用元數據標準，文字資料采用全文掃描，但缺少主題詞與摘要。因此，要盡可能采用國內通用的元數據格式標準，以便于實現專門數據庫與其他（館）數據之間的轉換、互聯和互訪，實現數據庫共享。

2 圖片資料檔案庫的信息組織方法

當前一般圖片檔案數據管理系統工作流程的具體內容如下：（1）圖片收集。通過各種途徑，對收集來的圖片進行整理，包括將數碼相機、計算機等設備中的電子文件進行初步分類；對紙質圖片，通過掃描儀等設備將其轉化為電子文件。（2）圖片審查。根據圖片的用途和價值，由專人負責審查準備入庫的圖片。（3）圖片錄入。通過授權，由圖片錄入人員負責圖片的入庫工作。（4）圖片查詢。提供按入庫時間、圖片分類等方式的查詢，還應具有全文檢索和高級查詢（通過圖片名稱、簡要描述、類型等多種屬性進行查詢）的功能。圖片歸檔要對圖片進行分類并做出圖片信息標注，確認無誤后才正式存入圖片檔案庫中。信息采集項目齊全，包括序號、底片類型、底片號、密級、類別、時間、地點、單位、人物、事件、作者、發表情況、入庫時間、照片尺寸、編輯人、審核人等信息要素。

目前對各類圖片資料進行數字化掃描歸檔，大致分為：一是底片原有記錄形式為感光材料，采用專用掃描轉換，以TIFF格式存儲；二是電子照片光盤原有記錄形式為激光蝕刻記錄，采用專用設備轉換，以TIFF、JPEG格式存儲；三是紙質圖片原有記錄形式為紙張，采用掃描、數碼相機拍攝，以JPEG格式存儲。數字化的一般流程是：①將底片圖片分類進行數字化掃描，并校對；②利用樣片記錄本對掃描底片進行標引著錄，并校對；③對紙質圖片進行數字化掃描，進行文字識別和標引著錄，并校對；④添加光盤規范化數據，導入系統進行著錄；⑤整理系統全部數據，著錄關聯數據，并校對；⑥入庫資料異質備份，定期進行異地容災備份。

圖片資源管理過程的關鍵是對圖片資料檔案庫進行信息組織，其中有兩個問題需要用正確、科學的方法進行處理：一是膠片圖片的數字化整理確實需要采用原始人工方法進行，如深圳報業集團采用兩種方法處理[3]，對深圳報業集團旗下主要報紙創刊以來拍攝的各類膠片新聞圖片，通過人工掃描底片或照片，使其數字化后編輯入庫；對主要報紙以往刊載的具有重要歷史價值、原片已無法找尋的新聞圖片，通過對見報版面和見報圖片翻拍的方式整理入庫。將珍貴的歷史圖片通過翻拍或底片掃描的方法完成數字化過程。二是重要圖片內容的真實性問題，如要求標引著錄圖片編號、大小、作者、拍攝時間、文字說明、EXIF信息、標引修改痕跡等，在一定程度上確保了圖片有據可查。在實際操作中，為確保已入庫圖片的真實，還需要對圖片庫的圖片編輯提出操作上的規范要求。圖片檔案數據管理系統的規劃，應該盡量多設置自動生成項和選擇項，少設置填寫項，選擇項設置內容要分類合理，并提供有識別矛盾防差錯提醒功能。

3 圖片資料檔案庫的信息加工方法

圖片資料檔案庫的信息加工內容包括：（1）原件整理、檢查和修補。由招標方統一清點和整理原片，中標方協助招標方檢查和修補原片，完成資料交接前的檢查工作。（2）資料交接。數字化相關資料交接工作由招標方、中標方各派一名固定經辦人員負責，每天在招標方資料室領取，當天歸還，雙方簽字確認，確保原片不遺失不損壞。（2）清潔底片。掃描底片前需要采用合理方法對底片上水漬、灰塵和手印等污跡進行適當清潔。接觸底片過程中必須小心操作，采取戴手套等手段確保底片不受損傷。修補清理過的底片應做好登記，簽字確認。（3）數字化文件。底片文件和紙質畫報由專業掃描人員利用專業先進的掃描儀進行掃描，保證文件掃描質量，禁止掃描后差值放大，確保不造成資料損傷。完成掃描的底片要進行整理，根據底片號按原順序裝入原底片袋。（4）處理圖片。對掃描底片生成的原始照片進行復制，參照工作規范標準，一套封存保管，一套異地備份，另一套供查閱使用，供查閱使用的圖片可按轉換格式進行旋轉、剪裁等必要性處理，并對圖片劃痕、污點、灰霧、涂改、字跡、破損等瑕疵進行適當修復，同時適度進行亮度、色彩糾偏。不得進行添加、合成、挖補等修改內容的處理，不能運用軟件的自動功能進行調整，不能調到極限，要留有余地以備再調整。（5）錄入信息。掃描后的照片資料由專業標引著錄人員按照工作規范標準進行著錄。為確保錄入準確，要求至少采取“兩錄一校”的模式，兩人著錄同一內容，并分別進行校對，最后由第三人或機器系統對著錄信息進行校對、歸檔。（6）檢查校對。由第三方監理對資料數字化全過程監理和控制，操作人員要對清潔底片、數字化文件、處理圖片和錄入信息等工作進行認真細致的檢查校對，不符合標準或有誤的，及時返工。（7）數據備份。為保證數據安全，要及時完成數據備份工作。備份采取異地備份機制，兼用熱備份和增量備份形式。掃描過程實時進行數據熱備份，掃描完成后，利用光盤遷移數據，同時對光盤數據進行增量備份。數據備份應存儲在耐久性好的載體上，一式三套，一套封存保管，一套異地備份，一套供查閱使用。

圖片編號的設定一般有兩種方式，一種是按照入庫的先后順序編號。先設定一個有效數段，再將圖片依次排列。如設定圖片編號為7位，那么圖片將在0000001到9999999之間依次排列[4]。這樣的編號方式比較簡潔，查找和調用比較方便。第二種是在第一種方式的基礎上對編號添加分類或者時間的屬性。如假設T代表體育類圖片，c代表為體育類圖片下子分類F1賽車，如一張2012年拍攝的足球比賽的圖片編號就是2012Tc1234567。這樣能更直觀地表現圖片的某些屬性，同時對圖片的管理有很大幫助。

圖片資料檔案數字化加工管理系統的服務功能包括流水線管理、數字化加工、數據庫管理、查詢統計、數據交互、系統管理[5]，主要功能如下：①對數字化加工過程進行流程化管理。根據加工需要可任意建立并管理多條加工流水線，可對加工任務進行分配管理與動態人員配置。②圖文加工和元數據加工。提供掃描識別、校對、輔助著錄和自動歸檔等多道工序，將紙質文獻加工成數字化的PDF文檔；可直接從圖文中識別提取元數據，也支持人工錄入對應的元數據。提供各種電子文檔的入庫管理，可將圖文與元數據建立有效連接。③支持數據庫的動態管理與維護，可添加、修改和刪除數據庫，可修改數據庫表結構等；可對流水線、元數據等與數據庫的對應關系進行配置；支持數據庫的備份與恢復；支持與數據倉庫系統的數據收割。④可從多個角度對流水線、加工任務完成情況、加工元數據和圖文等進行便捷查詢；對加工人員工作量、元數據加工量、圖文種類等各方面以圖表等形式進行統計分析；可動態設定查詢、統計的維度和限定條件，可將查詢統計結果導出。⑤支持數據以標準的格式進行導入和導出，導出格式和內容可以動態設置；提供數據外部訪問標準接口，滿足第三方系統訪問相關數據資源。⑥可對系統中的用戶、用戶組、操作權限進行管理。

系統的設計開發應選用國際領先技術，達到先進、合理、實用、高效、便捷、穩定、安全、開放、兼容的標準。主要選用JAVA開發語言，采用J2EE開發技術，滿足跨平臺技術要求，能在主流的Windows、Linux、Unix系統上進行遷移，具備標準、開放、技術成熟等特性。采用B/S和C/S架構相結合的方式，如查詢利用功能可以采用B/S架構，對內部數字化采集加工數據、系統管理和維護等可以采用C/S架構解決方案。后臺數據庫系統采用關系型數據庫系統，支持ORACLE、SQLSERVER、DB2等多種大型數據庫系統，特性情況下應使用國產數據庫系統。支持IE、FireFox、Chrome等主流瀏覽器，遵循XML數據規范，采用可擴展標記語言XML作為應用系統標準的數據交換格式，滿足其自描繪、結構化、交換性、擴展性特點。系統應提供基于XML的數據交換接口，支持與第三方軟件的應用集成；提供多種完整、開放數字內容服務接口，如ActiveX控件、EXE接口、DLL組件接口、XML 接口等以供第三方系統集成及整合，實現業務系統內部交互式查詢與統計。

4 圖片資料檔案信息的規范化處理研究

4.1 圖片資料檔案庫的工作規范

圖片資料檔案庫的數字化工作原則包括：（1）規范性原則，即所有畫報圖片的檔案信息必須按照規定的技術模式、內容格式和工作標準進行數字化，并盡可能采用相關標準。（2）安全性原則，即在畫報圖片信息的數字化過程中，確保原件的安全、數字化信息內容的原真、內部信息的保密性；（3）高效率高質量的原則，即選擇最優化的工作流程、最合理的技術模式（包括信息組織模式、信息存儲格式等）、最適宜的數字化加工系統設施，并采用人機結合、第三方監理等方法提高質量。

國內外關于數字化工作推出了許多新的標準規范，包括《數碼照片歸檔與管理規范》（DA/T50-2014）、《電子文件管理細則 第二部分：電子文件長期保存格式需求》、《光盤存儲檔案信息技術與管理規》（GJB3865-99）、《紙質檔案數字化技術規范》（DA/T31-2005）、《照片類電子檔案元數據方案》（DA/T54-2014）、《靜態數字圖像技術元數據》（NISO Z39.8787）、《特藏檔案庫基本要求》（DA/T55-2014）、《檔案信息系統運行維護規范》（DA/T56- 2014）、《檔案關系型數據庫轉換為XML文件的技術規范》（DA/T57-2014）、《電子檔案管理基本術語》（DA/T58-2014）、《檔案數字化光盤標識規范DA/T52-2014》、《電子文件歸檔與管理規范》（GB/T18894-2002）、《國際標ISO9000》（質量全程控制）、《數字檔案COM和COLD技術規范》（DA/T53-2014）、《信息與文獻-文件管理通則》（ISO15489/GB/T26162）、《照片檔案管理規范》（GB/T 11821-2002）、《檔案著錄規則》（DA/T 18-1999）、《歸檔文件整理規則》（DA/T22-2000）、《檔案交接文據格式》（GB/T13968-92）、《檔案分類標引規則》（GB/T15418-94），等等。

4.2 圖片資料檔案庫的歸檔及備份轉換格式

4.2.1 膠片資料歸檔和備份參考格式

資料用途（DPI） 色彩位深 文件格式 壓縮率 允許編輯加工分辨率歸檔 ≥2400 8位灰度/24位彩色/36彩色/更高 TIFF 無壓縮 最低限度調整彩色和色調備份 ≥2400 8位灰度/24位彩色/36彩色/更高 TIFF 無壓縮 最低限度調整彩色和色調

4.2.2 膠片資料轉換參考格式

資料用途（DPI） 色彩位深 文件格式 允許編輯加工分辨率查閱使用≥1200 8位灰度/24位彩色/36彩色/更高JPEG旋轉 、裁剪、污點修補、最低限度調整亮度、對比度、飽和度等不得添加、合成、挖補等修改內容的處理

4.2.3 紙質圖片資料歸檔備份參考格式

資料用途載體規格（DPI） 色彩位深 文件格式 壓縮率 允許加工編輯分辨率歸檔 ≤A3 ≥800 二值/8位灰度/256彩色/24位彩色TIFF無壓縮最低限度調整彩色和色調備份 ≤A3 ≥800 二值/8位灰度/256彩色/24位彩色TIFF無壓縮最低限度調整彩色和色調

4.2.4 紙質圖片資料轉換參考格式

資料用途載體規格 分辨率 色彩位深 文件格式 允許加工編輯網絡發布 ≤A3 ≥400 二值/8位灰度/256彩色/24位彩色 JPEG旋轉、裁剪、污點修補、最低限度調整亮度、對比度、飽和度等不得添加、合成、挖補等修改內容的處理

4.3 照片資料的圖片庫著錄信息元數據

按以上規范，照片資料的圖片著錄字段設計如下：

類別序號 著錄字段 字段描述 數據捕獲檢索字段1 照片圖片歸檔號參照DA/T50-2014重新制定的編排規則，如HB-01-2009-04-0001-0006，表示2009年畫報（HB）拍攝的一組XX大型活動的數碼電子照片為2009年第一組照片，保管期限為“永久”，該照片為本組照片中的第6張生成 ★2 密級 一般分為絕密、機密、秘密、內部、敏感、公開 著錄3 照片組編號 適應于系列照片組，從0001開始編號 著錄4 題名 照片標題 著錄 ★5 重大事件名稱 如淮海戰役、汶川地震等 著錄 ★6 文字說明 本張照片的說明，包括事由、人物等要素 著錄 ★7 發表情況 是否在畫報上發表 著錄8 發表時間 發表的年份 著錄 ★9 發表刊期 發表的刊期 著錄 ★10 發表頁碼 照片發表所在期刊的頁碼 著錄11 照片人物 人物姓名、位置、當時職位 著錄 ★資源描述12 底片號 原始底片的編號 著錄 ★13 底片張數 著錄14 底片類型 135底片為“01”、120底片為“02”、數碼相機拍攝電子底片為“04”、其他為“05” 識別原片描述15 樣片號 樣片編號，同底片號 捕獲16 樣片張數 著錄17 原分類目錄號 （參照編印的《照片資料分類目錄表》） 著錄 ★EXIF信息及版權信息18 拍攝時間 格式：19900312 捕獲 ★19 照片地點 地點描述 著錄 ★20 拍攝格式 拍攝照片的格式 捕獲21 分辨率 捕獲22 相機型號 如：Canon EOS 650D 捕獲23 光圈值 如：f/5.6 捕獲24 曝光時間 如：1/50秒 捕獲25 ISO速度 如：ISO-6400 捕獲26 攝影作者 著錄 ★27 攝影作者單位 攝影作者所屬組織單位 著錄28 版權所屬 照片版權所屬，適用于照片歸屬權不屬于本單位情況 著錄捕獲30 掃描軟件的名稱 捕獲31 掃描的軟件版本 捕獲32 著錄軟件的名稱 捕獲33 著錄軟件的版本 捕獲34 掃描分辨率 照片掃描后的分辨率 捕獲35 掃描格式 照片掃描的格式 捕獲36 掃描人員 著錄37 校驗人員 著錄38 審核人員 著錄29 掃描設備型號掃描信息

類別序號 著錄字段 字段描述 數據捕獲檢索字段39 保管期限 分別用“01”“02”“03”代表永久、30年、10年 著錄40 入庫時間 生成41 存放號 可同“歸檔號” 生成42 存放期庫 數據存放地點 著錄43 備份號 可同“歸檔號” 生成44 備份數 數據備份份數 著錄45 備份載體 磁帶、光盤等 識別46 備份載體期庫 備份載體存放地點 著錄47 存儲文件名 以“歸檔號+文件格式”命名 生成 ★保存信息48 開放狀態 本張照片是否開放的標記，開放為“T”,不開放為“F” 著錄49 附注 其他 著錄

4.4 紙質圖片資料庫著錄信息元數據

類別序號 著錄字段 字段描述 數據捕獲檢索字段1 紙質圖片歸檔號參照GB/T18894-2002重新制定的編排規則，如HB-02-2009-04-029，表示畫報（HB）2009年第四期第29頁（首頁碼）的新聞，保管期限為“30年”。生成 ★2 密級 一般分為絕密、機密、秘密、內部、敏感、公開 著錄3 題名 畫報、照片的標題 著錄 ★4 重大事件類別名稱 如淮海戰役、汶川地震等 著錄 ★5 全文 畫報的全文、照片的說明等 OCR識別 ★資源描述OCR識別11 資料描述人物 人物姓名、當時職位、所在照片位置 著錄 ★12 資料描述時間 著錄 ★13 資料描述地點 著錄 ★14 包含照片數量 文章下包含照片的張數 識別15 照片1編號 對應“照片歸檔號” 著錄 ★16 照片2編號 對應“照片歸檔號” 著錄6 所屬專題 如：本期特稿、士兵紀實、當代軍人等 著錄 ★7 主題詞 稿件的主題詞 著錄 ★8 發表時間 發表的年份 著錄 ★9 發表刊期 發表的刊期 著錄 ★10 所在頁碼 發表所在期刊的首頁碼，如封面頁、目錄頁、23頁等17 樣本號 樣本編號 著錄18 樣本份數 著錄19 存儲地點 著錄樣本描述著錄 ★21 作者 稿件撰寫的作者或責任者 著錄 ★22 作者單位 稿件撰寫作者的組織單位 著錄 ★23 版權所屬 適用于轉載等情況 著錄24 文章編輯 編輯人員姓名 著錄 ★20 特約記者版權信息

類別序號 著錄字段 字段描述 數據捕獲檢索字段捕獲26 掃描軟件的名稱 捕獲27 掃描的軟件版本 捕獲28 著錄軟件的名稱 捕獲29 著錄軟件的版本 捕獲30 掃描分辨率 照片掃描后的分辨率 捕獲31 掃描格式 照片掃描的格式 捕獲32 掃描人員 著錄33 校驗人員 著錄34 審核人員 著錄25 掃描設備型號掃描信息35 保管期限 分別用“01”“02”“03”代表永久、30年、10年著錄36 入庫時間 格式為：199005＊＊ 生成37 存放號 可同“歸檔號” 生成38 存放期庫 數據存放地點 著錄39 備份號 可同“歸檔號” 生成40 備份數 數據備份份數 著錄41 備份載體 磁帶、光盤等 識別42 備份載體期庫 備份載體存放地點 著錄43 存儲文件名 以“歸檔號+文件格式”命名 生成 ★44 附注 其他 著錄保存信息

4.5 圖片資料檔案的規范化掃描加工和存儲備份

4.5.1 圖片資料檔案的掃描加工

掃描圖片須完整地與原件內容一致，不得刪除或修改任何有用信息。數碼照片應是用數字成像設備直接拍攝形成的原始圖像文件，除進行調整亮度、對比度、飽和度等為提高畫面質量、增強畫面效果的處理外，一般不能進行修改。經過添加、合成、挖補等操作后的數碼照片不能歸檔。有永久保存價值的數碼照片檔案，應轉換出一套紙質照片同時歸檔。

在掃描圖像字跡和人物時，要確保環境清晰，顏色不宜過淺或過深，不得出現字跡筆畫殘缺或字跡筆畫疊合而影響閱讀等情況。紙質圖片掃描留下的墨跡寬度不得超過0.5厘米，并且指印和黑線不能覆蓋或影響正文內容。掃描的內容基本居中顯示，不可出現明顯的偏左或偏右現象。掃描圖像整體傾斜不得超過3度，不得出現圖像的一部分傾斜或扭曲而影響使用的情況。

亮度、對比度和飽和度是三項重要參數。亮度是根據原件的可視性情況選取亮度參數，通常應選取預掃后的默認值，對字跡較深的應增強亮度參數，對字跡較淺的應降低亮度參數，黑白二值圖像、灰度圖像和彩色圖像類型與亮度參數有關。對比度是根據原件的可視性情況選取對比度參數，通常應選取預掃后的默認值，黑白二值圖像類型與對比度參數無關，對以灰度圖像和彩色圖像類型掃描的特殊原件應調整對比度參數。飽和度是根據原件的可視性情況選取飽和度參數，通常應選取預掃后的默認值，黑白二值圖像和灰度圖像類型與飽和度參數無關，對以彩色圖像類型掃描的特殊原件應調整飽和度參數。

4.5.2 圖片資料檔案的存儲備份

圖片資料檔案的存儲備份采用的載體，按優先順序依次為只讀光盤、一次寫光盤、磁帶、可擦寫光盤、硬磁盤等，但不能用軟磁盤、移動硬盤作為數碼照片檔案長期保存的載體。歸檔、存儲備份文件應包含圖像文件、圖像文件對應的機讀目錄數據庫文件和技術檔案文件。

開展圖片資料檔案庫的信息組織與加工規范化方法研究，能使照片檔案資源和其他相關的社會資源得到更充分的共享和利用，不僅提高查詢速度和利用效率，還能改善常規管理模式，提升機構信息化管理水平，基于照片檔案管理信息系統的功能使照片檔案信息可以超越原有的時空限制，最終形成符合發展特點的實用知識型照片電子檔案庫，為我國的照片檔案信息化事業發展提供借鑒。數字化圖片檔案資源還可以作為一種財富，更好地滿足需求。運用數字化圖片資源拓寬發展之路的關鍵，在于正確認識圖片資源數字化以后的價值，并能科學利用與開發這種價值。

注釋與參考文獻：

[1]James Z.Wang, Jia Li, Gio Wiederhold.SIMPLIcity: Semantics－ sensitive Integrated Matching for Picture Libraries[J].IEEE Trans.on Pattern Analysis and Machine Intelligen ce,2001,23(09):947-963.

[2]孫玉艷.圖書館自建專題特色數據庫的實踐研究——以“三坊七巷特色數據庫”為例[J].圖書館學研究 .2011(12):34-37.

[3]馬潔.數碼圖片資源的開發和管理——淺談深圳報業集團圖片庫的建設與拓展[J].新聞戰線 .2013(06):41-43.

[4]張勁松.圖片資料庫的建設與管理[J].中國傳媒科技.2006(08):61-62.

[5]黃界,趙瑞雪,寇遠濤.西藏農業科技信息資源數字化平臺建設與應用[J].中國農學通報 .2013,29(32):368-373.