敏感图像过滤系统的算法研究

论文摘要

随着互联网和多媒体技术的不断发展,色情图像在网络上的传播越来越泛滥。为了净化互联网的环境,给未成年人营造一个纯洁的网络空间,对色情图像的过滤势在必行。现有的技术仅仅依靠网址和色情文字信息的过滤,这些都不能有效的实现色情敏感图像的自动过滤。基于内容的图像过滤技术才应该是最佳选择。本文以此为背景,以对色情敏感图像进行自动识别过滤为目的,主要讨论了敏感图像过滤系统的实现算法。鉴于色情图片的特点——包含大量裸露肌肤区域,首先进行皮肤像素的标记。通过统计分析可知,皮肤颜色信息具有一定的聚集性。本文介绍了常用的三种肤色检测模型:统计颜色模型、色度空间模型和高斯混合模型。通过实验比较,最终选择算法简单、正确率高的色度空间模型作为肤色检测模型。为了进一步减小皮肤检测的误检率,在肤色检测模型基础上,进行皮肤纹理检测。综合比较了算法复杂度和检测效果后,选择简单灰度统计算法进行皮肤纹理检测。敏感图像过滤属于图像模式识别问题。在皮肤检测得到的掩码图像基础上,为了减少掩码噪声的影响,首先进行形态学预处理,然后进行图像分类特征的提取。在分类算法的选择上,比较了两种常用的分类算法:BP神经网络和支持向量机(SVM)算法。通过实验比较,最终选择SVM算法作为本系统分类器。最后,综合各个模块内容,实现了单机版的“敏感图像过滤系统”,基本实现了对敏感图像的自动识别过滤。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 敏感网站过滤技术概况
• 1.3 敏感图像过滤技术现状
• 1.4 本文内容及结构安排
• 第二章 肤色信息检测算法研究与模型实现
• 2.1 引言
• 2.2 待测图像的预处理
• 2.3 常用肤色检测模型
• 2.3.1 统计颜色模型
• 2.3.2 色度空间模型
• 2.3.3 高斯混合模型
• 2.4 肤色模型的实验比较
• 2.5 本章小结
• 第三章 皮肤纹理检测算法研究与模型实现
• 3.1 引言
• 3.2 纹理概述
• 3.3 纹理检测算法
• 3.3.1 Gabor滤波法
• 3.3.2 灰度共生矩阵法
• 3.3.3 简单灰度统计法
• 3.4 纹理检测的实验比较
• 3.5 本章小结
• 第四章 基于掩码图像的特征提取
• 4.1 引言
• 4.2 形态学预处理
• 4.3 皮肤区域所占比例
• 4.4 图像中心皮肤比例
• 4.5 连通区域特征提取
• 4.5.1 连通性定义
• 4.5.2 连通特征提取算法
• 4.6 本章小结
• 第五章 基于特征向量的分类算法研究
• 5.1 引言
• 5.2 人工神经网络及BP学习算法
• 5.2.1 BP神经网络的结构
• 5.2.2 BP神经网络的学习算法
• 5.3 支持向量机算法
• 5.4 分类算法比较实验
• 5.5 本章小结
• 第六章 敏感图像过滤系统的实现
• 6.1 引言
• 6.2 系统界面及结构
• 6.3 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 进一步的工作
• 参考文献
• 发表论文和参加科研情况说明
• 致谢