IEC 15938-3-04 (cor1-2005) 信息技术—多媒体内容描述接口—第3部分：视觉

IEC 15938-3-04（cor1-2005）是国际电工委员会（IEC）采纳的ISO/IEC 15938-3:2004标准及其2005年第一次勘误，全称为“信息技术—多媒体内容描述接口—第3部分：视觉”。该标准是MPEG-7标准族的核心组成部分，定义了描述图像和视频视觉特征的描述子（Descriptors）以及相应的描述模式（Description Schemes），为多媒体内容的高效检索、过滤和管理提供了标准化的接口。自2004年发布并经2005年勘误修正后，该标准至今（2026年）仍是视觉描述领域最具影响力的国际规范之一。

1. 标准概况与适用范围

IEC 15938-3-04（cor1-2005）适用于需要统一表达视觉内容的各类应用，包括但不限于数字图书馆、视频搜索平台、智能监控系统、影视制作资产管理等。标准明确定义了颜色、纹理、形状及运动四大类视觉描述子的语法和语义，并规定了描述子的提取、表示及匹配的基本框架。2005年发布的勘误1主要针对Scalable Color描述子的色空间参数和位深度定义，以及若干描述模式的约束规范进行了技术修正，确保了标准在不同实现间的一致性。

2. 主要技术内容与要求

标准主体定义了超过20种视觉描述子，下面按类别介绍核心描述子及关键技术要求。

2.1 颜色描述子

颜色描述子包括主导颜色（DominantColor）、可缩放颜色（ScalableColor）、颜色结构（ColorStructure）和颜色布局（ColorLayout）。其中，勘误1将ScalableColor的颜色空间参数从固定YCbCr改为默认YCbCr但允许其他空间，并修正了位数编码方式。颜色布局描述子采用8×8分块后DCT系数，支持图像与视频间的快速浏览。

2.2 纹理描述子

纹理描述子包括同质纹理（HomogeneousTexture）、纹理浏览（TextureBrowsing）和边缘直方图（EdgeHistogram）。同质纹理使用Gabor滤波提取62维特征，边缘直方图以80维局部边缘分布表示纹理信息。

2.3 形状描述子

基于区域的形状（RegionShape）使用ART（Angular Radial Transform）系数描述物体内部形状，基于轮廓的形状（ContourShape）采用曲率缩放空间表示轮廓特征。3D形状描述子面向三维网格模型。

2.4 运动描述子

包含运动活动（MotionActivity）、相机运动（CameraMotion）和运动轨迹（MotionTrajectory）等。运动活动描述子将视频片段的运动强度分为5个等级，相机运动描述子提取平移、摇移等参数。

3. 实施/应用要点

实施本标准的系统需严格按照DDL（描述定义语言，ISO/IEC 15938-2）定义的模式进行描述子编码。2005年勘误对ScalableColor的颜色空间参数进行了更正：原定义的YCbCr必须作为默认色空间，并且位数参数由5位改为实际编码位数。开发者应更新其实现代码，确保与勘误一致。

在性能优化方面，建议对描述子的提取参数进行规范化（如图像缩放尺寸、分块大小），以保证不同系统间的互操作性。匹配度量建议采用标准附录中推荐的相似度度量方法。

4. 与其他标准的关系

IEC 15938-3-04是MPEG-7家族（ISO/IEC 15938系列）的第3部分，与其他部分紧密关联：第2部分（DDL）定义了描述子的XML语法；第4部分（音频）描述音频特征；第5部分（多媒体描述方案）提供通用描述框架。此外，该标准可配合JPEG 2000（ISO/IEC 15444）用于图像特征提取，也可与MPEG-4 AVC（ISO/IEC 14496-10）结合进行视频分析。

作为加拿大国家标准（CAN/CSA-ISO/IEC 15938-3-04），它等效于国际标准ISO/IEC 15938-3:2004。符合本标准的系统亦满足ISO/IEC 15938-3:2002/Cor 1:2005的要求（注：原2002版被2004版替代，但勘误仍适用）。

常见问题（FAQ）