基于新特征的AdaBoost算法的色情图片检测

论文摘要

随着我国的Internet的接入,网络带给我们方便快捷的同时,也出现了一些负面的问题;黄色信息的泛滥,比如网上卖淫、裸体聊天、色情电影、不良图片、色情文字,色情视频的毒害更是巨大,声色并茂,严重的毒害青少年的心理健康,不同程度的影响社会安定,甚至国家的未来。所以遏制色情信息的泛滥已经成为了当务之急。赋予严厉的法律手段,还需加入一些科学技术。假如应用成功可以很好的有助于净化社会、网络环境和减少许多社会治安问题。于是引入了改进特征的AdaBoost算法训练出色情图片检测器。传统AdaBoost算法在训练过程中,当选择特征太多的时候,存在计算速度较慢,计算精度低、甚至不收敛等缺陷;假如选择的特征过少,分类器可以很快的训练出来,可是检测率精度降低和误检率增高了。二者很难找到一个平衡点,具有某些应用上的局限性。针对传统AdaBoost算法存在的这些缺陷,此次尝试着修改和删除一些现成的Harr_like特征,增加一些新的特征。本文主要取得以下研究成果:1,针对色情图片检测提出了一些新的特征,如梯形特征,T字形特征等;针对人体的乳房和眼睛很难区分的问题,添加了新的区别特征。同时也改进训练弱分类器的权值方法。2,改进的Snake目标分割。本文主要是在改进AdaBoost算法训练分类器的基础上,利用检测出来的目标位置作为分割的初始化蛇点,增加了新的内能函数,使其可以收敛到凹形物体的边缘。这样加强智能化和自动化的程度,有一定的工程实践操作性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 色情图片检测概述
• 1.1.1 研究背景和意义
• 1.1.2 研究内容和现状
• 1.2 Adaboost基本算法
• 1.2.1 AdaBoost中原始矩形特征
• 1.2.2 基本训练分类器步骤
• 1.2.3 Adaboost算法的收敛性能
• 1.2.4 Adaboost算法的泛化能力
• 1.2.5 Adaboost算法的优点
• 1.3 主要研究的内容和结构安排
• 第二章 改进ADABOOST算法的权值更新方法
• 2.1 引言
• 2.2 样本权重归一化
• 2.2.1 权重的全局归一化方法
• 2.2.2 权重的类内归一化方法
• 2.3 两种权重的比较
• 2.4 本文改进的权重更新方法
• 2.5 改进后的AdaBoost算法训练分类器步骤
• 2.6 本章小结
• 第三章 增加新特征ADABOOST算法
• 3.1 引言
• 3.1.1 新特征
• 3.1.2 梯形特征
• 3.1.3 T字形特征
• 3.1.4 区分眼睛和乳房特征
• 3.3 积分图与矩形特征值的计算
• 3.4 特征分析
• 3.5 分类器设计
• 3.5.1 弱分类器设计
• 3.5.2 强分类器设计
• 3.5.3 级联分类器的设计
• 3.6 本章小结
• 第四章 SNAKE目标分割
• 4.1 概述
• 4.2 经典的蛇形模型
• 4.3 数字图像中的Snake
• 4.4 改进的Snake算法
• 4.4.1 改进的Snake曲线初始迭代位置
• 4.4.2 改进Snake算法中的能量函数
• 4.4.3 改进后的Snake分割步骤
• 4.5 本章小结
• 第五章 实验
• 5.1 乳房检测实验
• 5.1.1 实验平台
• 5.1.2 样本库的建立
• 5.1.3 特征选择
• 5.1.4 乳房分类器训练和参数设置
• 5.1.4.1 负样本的创建
• 5.1.4.2 乳房正样本的创建
• 5.1.4.3 正样本vec文件
• 5.1.4.4 训练分类器和参数设置
• 5.1.4.5 cascade目录下生成的强分类器
• 5.1.4.6 最终生成的分类器（XML）
• 5.1.5 测试库的建立
• 5.1.6 部分乳房检测效果图
• 5.1.7 统计信息
• 5.2 女性生殖器检测实验
• 5.2.1 样本库的建立
• 5.2.2 特征选择和参数设置
• 5.2.3 生殖器分类器的训练
• 5.2.4 测试图像选择
• 5.2.5 生殖器检测
• 5.2.6 统计信息
• 5.3 色情图像检测
• 5.4 Snake分割实验
• 5.4.1 部分乳房和生殖器分割的效果图
• 5.4.2 Snake分割的一些统计信息
• 第六章 总结和展望
• 6.1 本文总结
• 6.2 未来工作展望
• 第七章 参考文献
• 附录
• 致谢
• 攻读硕士期间参与的科研项目
• 攻读硕士学位期间发表的学术论文